Merge branch 'youngyangyang04:master' into master
This commit is contained in:
sharky7pb
GitHub
commit
7e34e0242f
|
|
@ -66,7 +66,7 @@
|
|||
|
||||
**这里每一篇题解，都是精品，值得仔细琢磨**。
|
||||
|
||||
我在题目讲解中统一使用C++，但你会发现下面几乎每篇题解都配有其他语言版本，Java、Python、Go、JavaScript等等，正是这些[热心小伙们](https://github.com/youngyangyang04/leetcode-master/graphs/contributors)的贡献的代码，当然我也会严格把控代码质量。
|
||||
我在题目讲解中统一使用C++，但你会发现下面几乎每篇题解都配有其他语言版本，Java、Python、Go、JavaScript等等，正是这些[热心小伙们](https://github.com/youngyangyang04/leetcode-master/graphs/contributors)贡献的代码，当然我也会严格把控代码质量。
|
||||
|
||||
**所以也欢迎大家参与进来，完善题解的各个语言版本，拥抱开源，让更多小伙伴们受益**。
|
||||
|
||||
|
|
|
|||
Binary file not shown.
|
|
@ -109,6 +109,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
## 总结
|
||||
|
||||
本题其实有四个重点：
|
||||
|
|
@ -213,6 +216,26 @@ impl Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
Rust
|
||||
|
||||
```
|
||||
use std::collections::HashMap;
|
||||
|
||||
impl Solution {
|
||||
pub fn two_sum(nums: Vec<i32>, target: i32) -> Vec<i32> {
|
||||
let mut hm: HashMap<i32, i32> = HashMap::new();
|
||||
for i in 0..nums.len() {
|
||||
let j = target - nums[i];
|
||||
if hm.contains_key(&j) {
|
||||
return vec![*hm.get(&j).unwrap(), i as i32]
|
||||
} else {
|
||||
hm.insert(nums[i], i as i32);
|
||||
}
|
||||
}
|
||||
vec![-1, -1]
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
Javascript
|
||||
|
||||
|
|
|
|||
|
|
@ -108,7 +108,7 @@ dp[i][j]可以初始化为true么？ 当然不行，怎能刚开始就全都匹
|
|||
|
||||
dp[i + 1][j - 1] 在 dp[i][j]的左下角，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
如果这矩阵是从上到下，从左到右遍历，那么会用到没有计算过的dp[i + 1][j - 1]，也就是根据不确定是不是回文的区间[i+1,j-1]，来判断了[i,j]是不是回文，那结果一定是不对的。
|
||||
|
||||
|
|
@ -142,7 +142,7 @@ for (int i = s.size() - 1; i >= 0; i--) { // 注意遍历顺序
|
|||
|
||||
举例，输入："aaa"，dp[i][j]状态如下：
|
||||
|
||||
|
||||
|
||||
|
||||
**注意因为dp[i][j]的定义，所以j一定是大于等于i的，那么在填充dp[i][j]的时候一定是只填充右上半部分**。
|
||||
|
||||
|
|
|
|||
|
|
@ -83,6 +83,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n^2)
|
||||
* 空间复杂度: O(n)，额外的 set 开销
|
||||
|
||||
|
||||
## 双指针
|
||||
|
||||
**其实这道题目使用哈希法并不十分合适**，因为在去重的操作中有很多细节需要注意，在面试中很难直接写出没有bug的代码。
|
||||
|
|
@ -158,6 +162,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n^2)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
## 去重逻辑的思考
|
||||
|
||||
### a的去重
|
||||
|
|
|
|||
|
|
@ -13,7 +13,7 @@
|
|||
|
||||
给出数字到字母的映射如下（与电话按键相同）。注意 1 不对应任何字母。
|
||||
|
||||
|
||||
|
||||
|
||||
示例:
|
||||
* 输入："23"
|
||||
|
|
@ -66,7 +66,7 @@ const string letterMap[10] = {
|
|||
|
||||
例如：输入："23"，抽象为树形结构，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
图中可以看出遍历的深度，就是输入"23"的长度，而叶子节点就是我们要收集的结果，输出["ad", "ae", "af", "bd", "be", "bf", "cd", "ce", "cf"]。
|
||||
|
||||
|
|
|
|||
|
|
@ -121,6 +121,10 @@ public:
|
|||
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n^3)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
## 补充
|
||||
|
||||
二级剪枝的部分：
|
||||
|
|
|
|||
|
|
@ -17,7 +17,8 @@
|
|||
|
||||
示例 1：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
输入：head = [1,2,3,4,5], n = 2
|
||||
输出：[1,2,3,5]
|
||||
|
|
@ -86,6 +87,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
|
@ -129,10 +133,10 @@ class Solution:
|
|||
head_dummy.next = head
|
||||
|
||||
slow, fast = head_dummy, head_dummy
|
||||
while(n!=0): #fast先往前走n步
|
||||
while(n>=0): #fast先往前走n+1步
|
||||
fast = fast.next
|
||||
n -= 1
|
||||
while(fast.next!=None):
|
||||
while(fast!=None):
|
||||
slow = slow.next
|
||||
fast = fast.next
|
||||
#fast 走到结尾后，slow的下一个节点为倒数第N个节点
|
||||
|
|
|
|||
|
|
@ -80,14 +80,17 @@ cd a/b/c/../../
|
|||
|
||||
先来分析一下 这里有三种不匹配的情况，
|
||||
|
||||
|
||||
1. 第一种情况，字符串里左方向的括号多余了 ，所以不匹配。
|
||||
|
||||
|
||||
|
||||
2. 第二种情况，括号没有多余，但是 括号的类型没有匹配上。
|
||||
|
||||
|
||||
|
||||
3. 第三种情况，字符串里右方向的括号多余了，所以不匹配。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
我们的代码只要覆盖了这三种不匹配的情况，就不会出问题，可以看出 动手之前分析好题目的重要性。
|
||||
|
||||
|
|
@ -132,6 +135,9 @@ public:
|
|||
};
|
||||
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
技巧性的东西没有固定的学习方法，还是要多看多练，自己灵活运用了。
|
||||
|
||||
|
||||
|
|
|
|||
|
|
@ -444,6 +444,8 @@ public:
|
|||
};
|
||||
|
||||
```
|
||||
* 时间复杂度: O(n + m)
|
||||
* 空间复杂度: O(m), 只需要保存字符串needle的前缀表
|
||||
|
||||
# 前缀表（不减一）C++实现
|
||||
|
||||
|
|
@ -540,6 +542,9 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n + m)
|
||||
* 空间复杂度: O(m)
|
||||
|
||||
|
||||
# 总结
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -7,6 +8,7 @@
|
|||
|
||||
|
||||
|
||||
|
||||
# 35.搜索插入位置
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/search-insert-position/)
|
||||
|
|
@ -16,18 +18,22 @@
|
|||
你可以假设数组中无重复元素。
|
||||
|
||||
示例 1:
|
||||
|
||||
* 输入: [1,3,5,6], 5
|
||||
* 输出: 2
|
||||
|
||||
示例 2:
|
||||
示例 2:
|
||||
|
||||
* 输入: [1,3,5,6], 2
|
||||
* 输出: 1
|
||||
|
||||
示例 3:
|
||||
|
||||
* 输入: [1,3,5,6], 7
|
||||
* 输出: 4
|
||||
|
||||
示例 4:
|
||||
|
||||
* 输入: [1,3,5,6], 0
|
||||
* 输出: 0
|
||||
|
||||
|
|
@ -37,7 +43,7 @@
|
|||
|
||||
这道题目，要在数组中插入目标值，无非是这四种情况。
|
||||
|
||||
|
||||
|
||||
|
||||
* 目标值在数组所有元素之前
|
||||
* 目标值等于数组中某一个元素
|
||||
|
|
@ -78,13 +84,14 @@ public:
|
|||
|
||||
效率如下：
|
||||
|
||||
|
||||
|
||||
|
||||
### 二分法
|
||||
|
||||
既然暴力解法的时间复杂度是$O(n)$，就要尝试一下使用二分查找法。
|
||||
既然暴力解法的时间复杂度是O(n)，就要尝试一下使用二分查找法。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
大家注意这道题目的前提是数组是有序数组，这也是使用二分查找的基础条件。
|
||||
|
||||
|
|
@ -94,7 +101,7 @@ public:
|
|||
|
||||
大体讲解一下二分法的思路，这里来举一个例子，例如在这个数组中，使用二分法寻找元素为5的位置，并返回其下标。
|
||||
|
||||
|
||||
|
||||
|
||||
二分查找涉及的很多的边界条件，逻辑比较简单，就是写不好。
|
||||
|
||||
|
|
@ -145,7 +152,7 @@ public:
|
|||
* 空间复杂度：O(1)
|
||||
|
||||
效率如下：
|
||||
|
||||
|
||||
|
||||
### 二分法第二种写法
|
||||
|
||||
|
|
@ -199,7 +206,7 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
### Java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
|
|
@ -226,11 +233,12 @@ class Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
```java
|
||||
//第二种二分法：左闭右开
|
||||
public int searchInsert(int[] nums, int target) {
|
||||
int left = 0;
|
||||
int right = nums.length;
|
||||
int right = nums.length;
|
||||
while (left < right) { //左闭右开 [left, right)
|
||||
int middle = left + ((right - left) >> 1);
|
||||
if (nums[middle] > target) {
|
||||
|
|
@ -290,7 +298,8 @@ impl Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def searchInsert(self, nums: List[int], target: int) -> int:
|
||||
|
|
@ -308,7 +317,8 @@ class Solution:
|
|||
return right + 1
|
||||
```
|
||||
|
||||
### JavaScript
|
||||
### JavaScript
|
||||
|
||||
```js
|
||||
var searchInsert = function (nums, target) {
|
||||
let l = 0, r = nums.length - 1, ans = nums.length;
|
||||
|
|
@ -350,7 +360,7 @@ function searchInsert(nums: number[], target: number): number {
|
|||
};
|
||||
```
|
||||
|
||||
### Swift
|
||||
### Swift
|
||||
|
||||
```swift
|
||||
// 暴力法
|
||||
|
|
@ -383,7 +393,9 @@ func searchInsert(_ nums: [Int], _ target: Int) -> Int {
|
|||
return right + 1
|
||||
}
|
||||
```
|
||||
|
||||
### Scala
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
def searchInsert(nums: Array[Int], target: Int): Int = {
|
||||
|
|
@ -404,7 +416,7 @@ object Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### PHP
|
||||
### PHP
|
||||
|
||||
```php
|
||||
// 二分法(1)：[左闭右闭]
|
||||
|
|
@ -429,11 +441,13 @@ function searchInsert($nums, $target)
|
|||
return $r + 1;
|
||||
}
|
||||
```
|
||||
|
||||
### C
|
||||
|
||||
```c
|
||||
//版本一 [left, right]左闭右闭区间
|
||||
int searchInsert(int* nums, int numsSize, int target){
|
||||
//左闭右开区间 [0 , numsSize-1]
|
||||
//左闭右开区间 [0 , numsSize-1]
|
||||
int left =0;
|
||||
int mid =0;
|
||||
int right = numsSize - 1;
|
||||
|
|
@ -451,14 +465,15 @@ int searchInsert(int* nums, int numsSize, int target){
|
|||
}
|
||||
}
|
||||
//数组中未找到target元素
|
||||
//target在数组所有元素之后，[left, right]是右闭区间，需要返回 right +1
|
||||
//target在数组所有元素之后，[left, right]是右闭区间，需要返回 right +1
|
||||
return right + 1;
|
||||
}
|
||||
```
|
||||
|
||||
```c
|
||||
//版本二 [left, right]左闭右开区间
|
||||
int searchInsert(int* nums, int numsSize, int target){
|
||||
//左闭右开区间 [0 , numsSize)
|
||||
//左闭右开区间 [0 , numsSize)
|
||||
int left =0;
|
||||
int mid =0;
|
||||
int right = numsSize;
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,6 +6,7 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
如果对回溯法理论还不清楚的同学，可以先看这个视频[视频来了！！带你学透回溯算法（理论篇）](https://mp.weixin.qq.com/s/wDd5azGIYWjbU0fdua_qBg)
|
||||
|
||||
# 37. 解数独
|
||||
|
|
@ -14,20 +16,21 @@
|
|||
编写一个程序，通过填充空格来解决数独问题。
|
||||
|
||||
一个数独的解法需遵循如下规则：
|
||||
数字 1-9 在每一行只能出现一次。
|
||||
数字 1-9 在每一列只能出现一次。
|
||||
数字 1-9 在每一个以粗实线分隔的 3x3 宫内只能出现一次。
|
||||
空白格用 '.' 表示。
|
||||
数字 1-9 在每一行只能出现一次。
|
||||
数字 1-9 在每一列只能出现一次。
|
||||
数字 1-9 在每一个以粗实线分隔的 3x3 宫内只能出现一次。
|
||||
空白格用 '.' 表示。
|
||||
|
||||
|
||||
|
||||
|
||||
一个数独。
|
||||
|
||||
|
||||
|
||||
|
||||
答案被标成红色。
|
||||
|
||||
提示：
|
||||
|
||||
* 给定的数独序列只包含数字 1-9 和字符 '.' 。
|
||||
* 你可以假设给定的数独只有唯一解。
|
||||
* 给定数独永远是 9x9 形式的。
|
||||
|
|
@ -54,7 +57,7 @@
|
|||
|
||||
因为这个树形结构太大了，我抽取一部分，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 回溯三部曲
|
||||
|
|
@ -85,7 +88,7 @@ bool backtracking(vector<vector<char>>& board)
|
|||
|
||||
* 递归单层搜索逻辑
|
||||
|
||||
|
||||
|
||||
|
||||
在树形图中可以看出我们需要的是一个二维的递归（也就是两个for循环嵌套着递归）
|
||||
|
||||
|
|
@ -171,8 +174,8 @@ bool backtracking(vector<vector<char>>& board) {
|
|||
board[i][j] = '.'; // 回溯，撤销k
|
||||
}
|
||||
}
|
||||
return false; // 9个数都试完了，都不行，那么就返回false
|
||||
}
|
||||
return false; // 9个数都试完了，都不行，那么就返回false
|
||||
}
|
||||
}
|
||||
}
|
||||
return true; // 遍历完没有返回false，说明找到了合适棋盘位置了
|
||||
|
|
@ -223,7 +226,8 @@ public:
|
|||
## 其他语言版本
|
||||
|
||||
|
||||
### Java
|
||||
### Java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public void solveSudoku(char[][] board) {
|
||||
|
|
@ -291,7 +295,8 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def solveSudoku(self, board: List[List[str]]) -> None:
|
||||
|
|
@ -306,7 +311,7 @@ class Solution:
|
|||
for j in range(len(board[0])): # 遍历列
|
||||
# 若空格内已有数字，跳过
|
||||
if board[i][j] != '.': continue
|
||||
for k in range(1, 10):
|
||||
for k in range(1, 10):
|
||||
if self.is_valid(i, j, k, board):
|
||||
board[i][j] = str(k)
|
||||
if self.backtracking(board): return True
|
||||
|
|
@ -334,7 +339,7 @@ class Solution:
|
|||
return True
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
```go
|
||||
func solveSudoku(board [][]byte) {
|
||||
|
|
@ -392,7 +397,8 @@ func isvalid(row, col int, k byte, board [][]byte) bool {
|
|||
|
||||
|
||||
|
||||
### Javascript
|
||||
### Javascript
|
||||
|
||||
```Javascript
|
||||
var solveSudoku = function(board) {
|
||||
function isValid(row, col, val, board) {
|
||||
|
|
@ -433,7 +439,7 @@ var solveSudoku = function(board) {
|
|||
if (backTracking()) {
|
||||
return true
|
||||
}
|
||||
|
||||
|
||||
board[i][j] = `.`
|
||||
}
|
||||
}
|
||||
|
|
@ -444,7 +450,7 @@ var solveSudoku = function(board) {
|
|||
}
|
||||
backTracking(board)
|
||||
return board
|
||||
|
||||
|
||||
};
|
||||
```
|
||||
|
||||
|
|
@ -543,7 +549,7 @@ impl Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### C
|
||||
### C
|
||||
|
||||
```C
|
||||
bool isValid(char** board, int row, int col, int k) {
|
||||
|
|
@ -660,9 +666,10 @@ func solveSudoku(_ board: inout [[Character]]) {
|
|||
### Scala
|
||||
|
||||
详细写法：
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
|
||||
|
||||
def solveSudoku(board: Array[Array[Char]]): Unit = {
|
||||
backtracking(board)
|
||||
}
|
||||
|
|
@ -692,7 +699,7 @@ object Solution {
|
|||
return false
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
// 列
|
||||
for (j <- 0 until 9) {
|
||||
if (board(x)(j) == value) {
|
||||
|
|
@ -717,9 +724,10 @@ object Solution {
|
|||
```
|
||||
|
||||
遵循Scala至简原则写法：
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
|
||||
|
||||
def solveSudoku(board: Array[Array[Char]]): Unit = {
|
||||
backtracking(board)
|
||||
}
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,40 +6,43 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
# 39. 组合总和
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/combination-sum/)
|
||||
|
||||
给定一个无重复元素的数组 candidates 和一个目标数 target ，找出 candidates 中所有可以使数字和为 target 的组合。
|
||||
给定一个无重复元素的数组 candidates 和一个目标数 target ，找出 candidates 中所有可以使数字和为 target 的组合。
|
||||
|
||||
candidates 中的数字可以无限制重复被选取。
|
||||
candidates 中的数字可以无限制重复被选取。
|
||||
|
||||
说明：
|
||||
|
||||
* 所有数字（包括 target）都是正整数。
|
||||
* 解集不能包含重复的组合。
|
||||
* 所有数字（包括 target）都是正整数。
|
||||
* 解集不能包含重复的组合。
|
||||
|
||||
示例 1：
|
||||
|
||||
* 输入：candidates = [2,3,6,7], target = 7,
|
||||
* 所求解集为：
|
||||
[
|
||||
[
|
||||
[7],
|
||||
[2,2,3]
|
||||
]
|
||||
]
|
||||
|
||||
示例 2：
|
||||
|
||||
示例 2：
|
||||
* 输入：candidates = [2,3,5], target = 8,
|
||||
* 所求解集为：
|
||||
[
|
||||
[2,2,2,2],
|
||||
[2,3,3],
|
||||
[3,5]
|
||||
]
|
||||
[
|
||||
[2,2,2,2],
|
||||
[2,3,3],
|
||||
[3,5]
|
||||
]
|
||||
|
||||
# 算法公开课
|
||||
|
||||
**《代码随想录》算法视频公开课：[Leetcode:39. 组合总和讲解](https://www.bilibili.com/video/BV1KT4y1M7HJ)，相信结合视频再看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
|
||||
# 思路
|
||||
|
||||
|
||||
|
|
@ -48,7 +52,7 @@ candidates 中的数字可以无限制重复被选取。
|
|||
|
||||
本题搜索的过程抽象成树形结构如下：
|
||||
|
||||
|
||||
|
||||
注意图中叶子节点的返回条件，因为本题没有组合数量要求，仅仅是总和的限制，所以递归没有层数的限制，只要选取的元素总和超过target，就返回！
|
||||
|
||||
而在[77.组合](https://programmercarl.com/0077.组合.html)和[216.组合总和III](https://programmercarl.com/0216.组合总和III.html) 中都可以知道要递归K层，因为要取k个元素的组合。
|
||||
|
|
@ -83,7 +87,7 @@ void backtracking(vector<int>& candidates, int target, int sum, int startIndex)
|
|||
|
||||
在如下树形结构中：
|
||||
|
||||
|
||||
|
||||
|
||||
从叶子节点可以清晰看到，终止只有两种情况，sum大于target和sum等于target。
|
||||
|
||||
|
|
@ -156,7 +160,7 @@ public:
|
|||
|
||||
在这个树形结构中：
|
||||
|
||||
|
||||
|
||||
|
||||
以及上面的版本一的代码大家可以看到，对于sum已经大于target的情况，其实是依然进入了下一层递归，只是下一层递归结束判断的时候，会判断sum > target的话就返回。
|
||||
|
||||
|
|
@ -169,7 +173,7 @@ public:
|
|||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
for循环剪枝代码如下：
|
||||
|
||||
|
|
@ -235,7 +239,8 @@ public:
|
|||
# 其他语言版本
|
||||
|
||||
|
||||
## Java
|
||||
## Java
|
||||
|
||||
```Java
|
||||
// 剪枝优化
|
||||
class Solution {
|
||||
|
|
@ -264,8 +269,10 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
## Python
|
||||
## Python
|
||||
|
||||
**回溯**
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def __init__(self):
|
||||
|
|
@ -287,9 +294,9 @@ class Solution:
|
|||
self.paths.append(self.path[:]) # 因为是shallow copy，所以不能直接传入self.path
|
||||
return
|
||||
if sum_ > target:
|
||||
return
|
||||
|
||||
# 单层递归逻辑
|
||||
return
|
||||
|
||||
# 单层递归逻辑
|
||||
for i in range(start_index, len(candidates)):
|
||||
sum_ += candidates[i]
|
||||
self.path.append(candidates[i])
|
||||
|
|
@ -297,7 +304,9 @@ class Solution:
|
|||
sum_ -= candidates[i] # 回溯
|
||||
self.path.pop() # 回溯
|
||||
```
|
||||
|
||||
**剪枝回溯**
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def __init__(self):
|
||||
|
|
@ -321,11 +330,11 @@ class Solution:
|
|||
if sum_ == target:
|
||||
self.paths.append(self.path[:]) # 因为是shallow copy，所以不能直接传入self.path
|
||||
return
|
||||
# 单层递归逻辑
|
||||
# 单层递归逻辑
|
||||
# 如果本层 sum + condidates[i] > target，就提前结束遍历，剪枝
|
||||
for i in range(start_index, len(candidates)):
|
||||
if sum_ + candidates[i] > target:
|
||||
return
|
||||
if sum_ + candidates[i] > target:
|
||||
return
|
||||
sum_ += candidates[i]
|
||||
self.path.append(candidates[i])
|
||||
self.backtracking(candidates, target, sum_, i) # 因为无限制重复选取，所以不是i-1
|
||||
|
|
@ -333,7 +342,8 @@ class Solution:
|
|||
self.path.pop() # 回溯
|
||||
```
|
||||
|
||||
## Go
|
||||
## Go
|
||||
|
||||
主要在于递归中传递下一个数字
|
||||
|
||||
```go
|
||||
|
|
@ -423,7 +433,7 @@ function combinationSum(candidates: number[], target: number): number[][] {
|
|||
```Rust
|
||||
impl Solution {
|
||||
pub fn backtracking(result: &mut Vec<Vec<i32>>, path: &mut Vec<i32>, candidates: &Vec<i32>, target: i32, mut sum: i32, start_index: usize) {
|
||||
if sum == target {
|
||||
if sum == target {
|
||||
result.push(path.to_vec());
|
||||
return;
|
||||
}
|
||||
|
|
@ -447,7 +457,7 @@ impl Solution {
|
|||
}
|
||||
```
|
||||
|
||||
## C
|
||||
## C
|
||||
|
||||
```c
|
||||
int* path;
|
||||
|
|
|
|||
|
|
@ -82,7 +82,7 @@ candidates 中的每个数字在每个组合中只能使用一次。
|
|||
|
||||
选择过程树形结构如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
可以看到图中，每个节点相对于 [39.组合总和](https://mp.weixin.qq.com/s/FLg8G6EjVcxBjwCbzpACPw)我多加了used数组，这个used数组下面会重点介绍。
|
||||
|
||||
|
|
@ -132,7 +132,7 @@ if (sum == target) {
|
|||
|
||||
这块比较抽象，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
我在图中将used的变化用橘黄色标注上，可以看出在candidates[i] == candidates[i - 1]相同的情况下：
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,9 +6,10 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
> 这个图就是大厂面试经典题目，接雨水！ 最常青藤的一道题，面试官百出不厌！
|
||||
|
||||
# 42. 接雨水
|
||||
# 42. 接雨水
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/trapping-rain-water/)
|
||||
|
||||
|
|
@ -15,7 +17,7 @@
|
|||
|
||||
示例 1：
|
||||
|
||||
|
||||
|
||||
|
||||
* 输入：height = [0,1,0,2,1,0,1,3,2,1,2,1]
|
||||
* 输出：6
|
||||
|
|
@ -27,26 +29,27 @@
|
|||
* 输出：9
|
||||
|
||||
|
||||
# 思路
|
||||
# 思路
|
||||
|
||||
接雨水问题在面试中还是常见题目的，有必要好好讲一讲。
|
||||
|
||||
本文深度讲解如下三种方法：
|
||||
|
||||
* 双指针法
|
||||
* 动态规划
|
||||
* 单调栈
|
||||
|
||||
## 暴力解法
|
||||
## 暴力解法
|
||||
|
||||
本题暴力解法也是也是使用双指针。
|
||||
|
||||
首先要明确，要按照行来计算，还是按照列来计算。
|
||||
|
||||
按照行来计算如图：
|
||||
|
||||
|
||||
|
||||
按照列来计算如图：
|
||||
|
||||
|
||||
|
||||
一些同学在实现的时候，很容易一会按照行来计算一会按照列来计算，这样就会越写越乱。
|
||||
|
||||
|
|
@ -58,7 +61,7 @@
|
|||
|
||||
这句话可以有点绕，来举一个理解，例如求列4的雨水高度，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
列4 左侧最高的柱子是列3，高度为2（以下用lHeight表示）。
|
||||
|
||||
|
|
@ -72,7 +75,7 @@
|
|||
|
||||
此时求出了列4的雨水体积。
|
||||
|
||||
一样的方法，只要从头遍历一遍所有的列，然后求出每一列雨水的体积，相加之后就是总雨水的体积了。
|
||||
一样的方法，只要从头遍历一遍所有的列，然后求出每一列雨水的体积，相加之后就是总雨水的体积了。
|
||||
|
||||
首先从头遍历所有的列，并且**要注意第一个柱子和最后一个柱子不接雨水**，代码如下：
|
||||
|
||||
|
|
@ -132,7 +135,7 @@ public:
|
|||
|
||||
因为每次遍历列的时候，还要向两边寻找最高的列，所以时间复杂度为O(n^2)，空间复杂度为O(1)。
|
||||
|
||||
力扣后面修改了后台测试数据，所以以上暴力解法超时了。
|
||||
力扣后面修改了后台测试数据，所以以上暴力解法超时了。
|
||||
|
||||
## 双指针优化
|
||||
|
||||
|
|
@ -181,9 +184,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
## 单调栈解法
|
||||
## 单调栈解法
|
||||
|
||||
关于单调栈的理论基础，单调栈适合解决什么问题，单调栈的工作过程，大家可以先看这题讲解 [739. 每日温度](https://programmercarl.com/0739.每日温度.html)。
|
||||
关于单调栈的理论基础，单调栈适合解决什么问题，单调栈的工作过程，大家可以先看这题讲解 [739. 每日温度](https://programmercarl.com/0739.每日温度.html)。
|
||||
|
||||
单调栈就是保持栈内元素有序。和[栈与队列：单调队列](https://programmercarl.com/0239.滑动窗口最大值.html)一样，需要我们自己维持顺序，没有现成的容器可以用。
|
||||
|
||||
|
|
@ -197,7 +200,7 @@ public:
|
|||
|
||||
1. 首先单调栈是按照行方向来计算雨水，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
知道这一点，后面的就可以理解了。
|
||||
|
||||
|
|
@ -211,11 +214,11 @@ public:
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
关于单调栈的顺序给大家一个总结： [739. 每日温度](https://programmercarl.com/0739.每日温度.html) 中求一个元素右边第一个更大元素，单调栈就是递增的，[84.柱状图中最大的矩形](https://programmercarl.com/0084.柱状图中最大的矩形.html)求一个元素右边第一个更小元素，单调栈就是递减的。
|
||||
|
||||
3. 遇到相同高度的柱子怎么办。
|
||||
3. 遇到相同高度的柱子怎么办。
|
||||
|
||||
遇到相同的元素，更新栈内下标，就是将栈里元素（旧下标）弹出，将新元素（新下标）加入栈中。
|
||||
|
||||
|
|
@ -225,7 +228,7 @@ public:
|
|||
|
||||
如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
4. 栈里要保存什么数值
|
||||
|
||||
|
|
@ -233,7 +236,7 @@ public:
|
|||
|
||||
长就是通过柱子的高度来计算，宽是通过柱子之间的下标来计算，
|
||||
|
||||
那么栈里有没有必要存一个pair<int, int>类型的元素，保存柱子的高度和下标呢。
|
||||
那么栈里有没有必要存一个pair<int, int>类型的元素，保存柱子的高度和下标呢。
|
||||
|
||||
其实不用，栈里就存放下标就行，想要知道对应的高度，通过height[stack.top()] 就知道弹出的下标对应的高度了。
|
||||
|
||||
|
|
@ -245,17 +248,17 @@ stack<int> st; // 存着下标，计算的时候用下标对应的柱子高度
|
|||
|
||||
明确了如上几点，我们再来看处理逻辑。
|
||||
|
||||
### 单调栈处理逻辑
|
||||
### 单调栈处理逻辑
|
||||
|
||||
以下操作过程其实和 [739. 每日温度](https://programmercarl.com/0739.每日温度.html) 也是一样的，建议先做 [739. 每日温度](https://programmercarl.com/0739.每日温度.html)。
|
||||
以下操作过程其实和 [739. 每日温度](https://programmercarl.com/0739.每日温度.html) 也是一样的，建议先做 [739. 每日温度](https://programmercarl.com/0739.每日温度.html)。
|
||||
|
||||
以下逻辑主要就是三种情况
|
||||
以下逻辑主要就是三种情况
|
||||
|
||||
* 情况一：当前遍历的元素（柱子）高度小于栈顶元素的高度 height[i] < height[st.top()]
|
||||
* 情况二：当前遍历的元素（柱子）高度等于栈顶元素的高度 height[i] == height[st.top()]
|
||||
* 情况三：当前遍历的元素（柱子）高度大于栈顶元素的高度 height[i] > height[st.top()]
|
||||
* 情况一：当前遍历的元素（柱子）高度小于栈顶元素的高度 height[i] < height[st.top()]
|
||||
* 情况二：当前遍历的元素（柱子）高度等于栈顶元素的高度 height[i] == height[st.top()]
|
||||
* 情况三：当前遍历的元素（柱子）高度大于栈顶元素的高度 height[i] > height[st.top()]
|
||||
|
||||
先将下标0的柱子加入到栈中，`st.push(0);`。 栈中存放我们遍历过的元素，所以先将下标0加进来。
|
||||
先将下标0的柱子加入到栈中，`st.push(0);`。 栈中存放我们遍历过的元素，所以先将下标0加进来。
|
||||
|
||||
然后开始从下标1开始遍历所有的柱子，`for (int i = 1; i < height.size(); i++)`。
|
||||
|
||||
|
|
@ -278,9 +281,9 @@ if (height[i] == height[st.top()]) { // 例如 5 5 1 7 这种情况
|
|||
}
|
||||
```
|
||||
|
||||
如果当前遍历的元素（柱子）高度大于栈顶元素的高度，此时就出现凹槽了，如图所示：
|
||||
如果当前遍历的元素（柱子）高度大于栈顶元素的高度，此时就出现凹槽了，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
取栈顶元素，将栈顶元素弹出，这个就是凹槽的底部，也就是中间位置，下标记为mid，对应的高度为height[mid]（就是图中的高度1）。
|
||||
|
||||
|
|
@ -290,7 +293,7 @@ if (height[i] == height[st.top()]) { // 例如 5 5 1 7 这种情况
|
|||
|
||||
此时大家应该可以发现其实就是**栈顶和栈顶的下一个元素以及要入栈的元素，三个元素来接水！**
|
||||
|
||||
那么雨水高度是 min(凹槽左边高度, 凹槽右边高度) - 凹槽底部高度，代码为：`int h = min(height[st.top()], height[i]) - height[mid];`
|
||||
那么雨水高度是 min(凹槽左边高度, 凹槽右边高度) - 凹槽底部高度，代码为：`int h = min(height[st.top()], height[i]) - height[mid];`
|
||||
|
||||
雨水的宽度是 凹槽右边的下标 - 凹槽左边的下标 - 1（因为只求中间宽度），代码为：`int w = i - st.top() - 1 ;`
|
||||
|
||||
|
|
@ -373,11 +376,12 @@ public:
|
|||
精简之后的代码，大家就看不出去三种情况的处理了，貌似好像只处理的情况三，其实是把情况一和情况二融合了。 这样的代码不太利于理解。
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
## 其他语言版本
|
||||
|
||||
### Java:
|
||||
### Java:
|
||||
|
||||
暴力解法：
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public int trap(int[] height) {
|
||||
|
|
@ -385,7 +389,7 @@ class Solution {
|
|||
for (int i = 0; i < height.length; i++) {
|
||||
// 第一个柱子和最后一个柱子不接雨水
|
||||
if (i==0 || i== height.length - 1) continue;
|
||||
|
||||
|
||||
int rHeight = height[i]; // 记录右边柱子的最高高度
|
||||
int lHeight = height[i]; // 记录左边柱子的最高高度
|
||||
for (int r = i+1; r < height.length; r++) {
|
||||
|
|
@ -404,6 +408,7 @@ class Solution {
|
|||
```
|
||||
|
||||
双指针：
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public int trap(int[] height) {
|
||||
|
|
@ -411,15 +416,15 @@ class Solution {
|
|||
if (length <= 2) return 0;
|
||||
int[] maxLeft = new int[length];
|
||||
int[] maxRight = new int[length];
|
||||
|
||||
|
||||
// 记录每个柱子左边柱子最大高度
|
||||
maxLeft[0] = height[0];
|
||||
for (int i = 1; i< length; i++) maxLeft[i] = Math.max(height[i], maxLeft[i-1]);
|
||||
|
||||
|
||||
// 记录每个柱子右边柱子最大高度
|
||||
maxRight[length - 1] = height[length - 1];
|
||||
for(int i = length - 2; i >= 0; i--) maxRight[i] = Math.max(height[i], maxRight[i+1]);
|
||||
|
||||
|
||||
// 求和
|
||||
int sum = 0;
|
||||
for (int i = 0; i < length; i++) {
|
||||
|
|
@ -432,13 +437,14 @@ class Solution {
|
|||
```
|
||||
|
||||
单调栈法
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public int trap(int[] height){
|
||||
int size = height.length;
|
||||
|
||||
if (size <= 2) return 0;
|
||||
|
||||
|
||||
// in the stack, we push the index of array
|
||||
// using height[] to access the real height
|
||||
Stack<Integer> stack = new Stack<Integer>();
|
||||
|
|
@ -458,7 +464,7 @@ class Solution {
|
|||
int heightAtIdx = height[index];
|
||||
while (!stack.isEmpty() && (heightAtIdx > height[stackTop])){
|
||||
int mid = stack.pop();
|
||||
|
||||
|
||||
if (!stack.isEmpty()){
|
||||
int left = stack.peek();
|
||||
|
||||
|
|
@ -472,7 +478,7 @@ class Solution {
|
|||
stack.push(index);
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return sum;
|
||||
}
|
||||
}
|
||||
|
|
@ -481,6 +487,7 @@ class Solution {
|
|||
### Python:
|
||||
|
||||
暴力解法：
|
||||
|
||||
```Python
|
||||
class Solution:
|
||||
def trap(self, height: List[int]) -> int:
|
||||
|
|
@ -495,32 +502,35 @@ class Solution:
|
|||
for k in range(i+2,len(height)):
|
||||
if height[k] > rHight:
|
||||
rHight = height[k]
|
||||
res1 = min(lHight,rHight) - height[i]
|
||||
res1 = min(lHight,rHight) - height[i]
|
||||
if res1 > 0:
|
||||
res += res1
|
||||
return res
|
||||
```
|
||||
|
||||
双指针：
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def trap(self, height: List[int]) -> int:
|
||||
leftheight, rightheight = [0]*len(height), [0]*len(height)
|
||||
|
||||
|
||||
leftheight[0]=height[0]
|
||||
for i in range(1,len(height)):
|
||||
leftheight[i]=max(leftheight[i-1],height[i])
|
||||
rightheight[-1]=height[-1]
|
||||
for i in range(len(height)-2,-1,-1):
|
||||
rightheight[i]=max(rightheight[i+1],height[i])
|
||||
|
||||
|
||||
result = 0
|
||||
for i in range(0,len(height)):
|
||||
summ = min(leftheight[i],rightheight[i])-height[i]
|
||||
result += summ
|
||||
return result
|
||||
```
|
||||
|
||||
单调栈
|
||||
|
||||
```Python
|
||||
class Solution:
|
||||
def trap(self, height: List[int]) -> int:
|
||||
|
|
@ -565,8 +575,8 @@ class Solution:
|
|||
result += h * w
|
||||
stack.append(i)
|
||||
return result
|
||||
|
||||
# 单调栈压缩版
|
||||
|
||||
# 单调栈压缩版
|
||||
class Solution:
|
||||
def trap(self, height: List[int]) -> int:
|
||||
stack = [0]
|
||||
|
|
@ -586,7 +596,7 @@ class Solution:
|
|||
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
```go
|
||||
func trap(height []int) int {
|
||||
|
|
@ -601,7 +611,7 @@ func trap(height []int) int {
|
|||
}
|
||||
left++
|
||||
} else {
|
||||
if height[right] > rightMax {
|
||||
if height[right] > rightMax {
|
||||
rightMax = height[right] // //设置右边最高柱子
|
||||
} else {
|
||||
res += rightMax - height[right] // //左边必定有柱子挡水，所以，遇到所有值小于等于rightMax的，全部加入水池
|
||||
|
|
@ -652,6 +662,7 @@ func min(a,b int)int{
|
|||
```
|
||||
|
||||
单调栈解法
|
||||
|
||||
```go
|
||||
func trap(height []int) int {
|
||||
if len(height) <= 2 {
|
||||
|
|
@ -896,12 +907,12 @@ int trap(int* height, int heightSize) {
|
|||
while (left < right) { //两个指针重合就结束
|
||||
leftMax = fmax(leftMax, height[left]);
|
||||
rightMax = fmax(rightMax, height[right]);
|
||||
if (leftMax < rightMax) {
|
||||
if (leftMax < rightMax) {
|
||||
ans += leftMax - height[left]; //这里考虑的是下标为left的“底”能装多少水
|
||||
++left;//指针的移动次序是这个方法的关键
|
||||
//这里左指针右移是因为左“墙”较矮，左边这一片实际情况下的盛水量是受制于这个矮的左“墙”的
|
||||
//而较高的右边在实际情况下的限制条件可能不是当前的左“墙”，比如限制条件可能是右“墙”，就能装更高的水，
|
||||
}
|
||||
}
|
||||
else {
|
||||
ans += rightMax - height[right]; //同理，考虑下标为right的元素
|
||||
--right;
|
||||
|
|
|
|||
|
|
@ -4,10 +4,9 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
> 相对于[贪心算法：跳跃游戏](https://mp.weixin.qq.com/s/606_N9j8ACKCODoCbV1lSA)难了不少，做好心里准备！
|
||||
|
||||
> 相对于[贪心算法：跳跃游戏](https://mp.weixin.qq.com/s/606_N9j8ACKCODoCbV1lSA)难了不少，做好心里准备！
|
||||
|
||||
# 45.跳跃游戏II
|
||||
# 45.跳跃游戏 II
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/jump-game-ii/)
|
||||
|
||||
|
|
@ -18,13 +17,17 @@
|
|||
你的目标是使用最少的跳跃次数到达数组的最后一个位置。
|
||||
|
||||
示例:
|
||||
* 输入: [2,3,1,1,4]
|
||||
* 输出: 2
|
||||
* 解释: 跳到最后一个位置的最小跳跃数是 2。从下标为 0 跳到下标为 1 的位置，跳 1 步，然后跳 3 步到达数组的最后一个位置。
|
||||
|
||||
- 输入: [2,3,1,1,4]
|
||||
- 输出: 2
|
||||
- 解释: 跳到最后一个位置的最小跳跃数是 2。从下标为 0 跳到下标为 1 的位置，跳 1 步，然后跳 3 步到达数组的最后一个位置。
|
||||
|
||||
说明:
|
||||
假设你总是可以到达数组的最后一个位置。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，最少跳几步还得看覆盖范围 | LeetCode： 45.跳跃游戏 II](https://www.bilibili.com/video/BV1Y24y1r7XZ)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -46,7 +49,7 @@
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
**图中覆盖范围的意义在于，只要红色的区域，最多两步一定可以到！（不用管具体怎么跳，反正一定可以跳到）**
|
||||
|
||||
|
|
@ -56,8 +59,8 @@
|
|||
|
||||
这里还是有个特殊情况需要考虑，当移动下标达到了当前覆盖的最远距离下标时
|
||||
|
||||
* 如果当前覆盖最远距离下标不是是集合终点，步数就加一，还需要继续走。
|
||||
* 如果当前覆盖最远距离下标就是是集合终点，步数不用加一，因为不能再往后走了。
|
||||
- 如果当前覆盖最远距离下标不是是集合终点，步数就加一，还需要继续走。
|
||||
- 如果当前覆盖最远距离下标就是是集合终点，步数不用加一，因为不能再往后走了。
|
||||
|
||||
C++代码如下：（详细注释）
|
||||
|
||||
|
|
@ -73,11 +76,9 @@ public:
|
|||
for (int i = 0; i < nums.size(); i++) {
|
||||
nextDistance = max(nums[i] + i, nextDistance); // 更新下一步覆盖最远距离下标
|
||||
if (i == curDistance) { // 遇到当前覆盖最远距离下标
|
||||
if (curDistance < nums.size() - 1) { // 如果当前覆盖最远距离下标不是终点
|
||||
ans++; // 需要走下一步
|
||||
curDistance = nextDistance; // 更新当前覆盖最远距离下标（相当于加油了）
|
||||
if (nextDistance >= nums.size() - 1) break; // 下一步的覆盖范围已经可以达到终点，结束循环
|
||||
} else break; // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
|
||||
ans++; // 需要走下一步
|
||||
curDistance = nextDistance; // 更新当前覆盖最远距离下标（相当于加油了）
|
||||
if (nextDistance >= nums.size() - 1) break; // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
|
||||
}
|
||||
}
|
||||
return ans;
|
||||
|
|
@ -85,22 +86,26 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
## 方法二
|
||||
|
||||
依然是贪心，思路和方法一差不多，代码可以简洁一些。
|
||||
|
||||
**针对于方法一的特殊情况，可以统一处理**，即：移动下标只要遇到当前覆盖最远距离的下标，直接步数加一，不考虑是不是终点的情况。
|
||||
|
||||
想要达到这样的效果，只要让移动下标，最大只能移动到nums.size - 2的地方就可以了。
|
||||
想要达到这样的效果，只要让移动下标，最大只能移动到 nums.size - 2 的地方就可以了。
|
||||
|
||||
因为当移动下标指向nums.size - 2时：
|
||||
因为当移动下标指向 nums.size - 2 时：
|
||||
|
||||
* 如果移动下标等于当前覆盖最大距离下标， 需要再走一步（即ans++），因为最后一步一定是可以到的终点。（题目假设总是可以到达数组的最后一个位置），如图：
|
||||
|
||||
- 如果移动下标等于当前覆盖最大距离下标， 需要再走一步（即 ans++），因为最后一步一定是可以到的终点。（题目假设总是可以到达数组的最后一个位置），如图：
|
||||
|
||||
|
||||
* 如果移动下标不等于当前覆盖最大距离下标，说明当前覆盖最远距离就可以直接达到终点了，不需要再走一步。如图：
|
||||
- 如果移动下标不等于当前覆盖最大距离下标，说明当前覆盖最远距离就可以直接达到终点了，不需要再走一步。如图：
|
||||
|
||||
|
||||
|
||||
|
||||
代码如下：
|
||||
|
||||
|
|
@ -124,9 +129,14 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
|
||||
可以看出版本二的代码相对于版本一简化了不少！
|
||||
|
||||
**其精髓在于控制移动下标i只移动到nums.size() - 2的位置**，所以移动下标只要遇到当前覆盖最远距离的下标，直接步数加一，不用考虑别的了。
|
||||
**其精髓在于控制移动下标 i 只移动到 nums.size() - 2 的位置**，所以移动下标只要遇到当前覆盖最远距离的下标，直接步数加一，不用考虑别的了。
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
@ -136,11 +146,10 @@ public:
|
|||
|
||||
理解本题的关键在于：**以最小的步数增加最大的覆盖范围，直到覆盖范围覆盖了终点**，这个范围内最小步数一定可以跳到，不用管具体是怎么跳的，不纠结于一步究竟跳一个单位还是两个单位。
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
|
||||
### Java
|
||||
```Java
|
||||
// 版本一
|
||||
class Solution {
|
||||
|
|
@ -206,7 +215,7 @@ class Solution:
|
|||
nextDistance = 0
|
||||
for i in range(len(nums)):
|
||||
nextDistance = max(i + nums[i], nextDistance)
|
||||
if i == curDistance:
|
||||
if i == curDistance:
|
||||
if curDistance != len(nums) - 1:
|
||||
ans += 1
|
||||
curDistance = nextDistance
|
||||
|
|
@ -229,9 +238,10 @@ class Solution:
|
|||
step += 1
|
||||
return step
|
||||
```
|
||||
|
||||
```python
|
||||
# 动态规划做法
|
||||
class Solution:
|
||||
class Solution:
|
||||
def jump(self, nums: List[int]) -> int:
|
||||
result = [10**4+1]*len(nums)
|
||||
result[0]=0
|
||||
|
|
@ -243,7 +253,6 @@ class Solution:
|
|||
|
||||
```
|
||||
|
||||
|
||||
### Go
|
||||
|
||||
```go
|
||||
|
|
@ -330,21 +339,21 @@ var jump = function(nums) {
|
|||
|
||||
```typescript
|
||||
function jump(nums: number[]): number {
|
||||
const length: number = nums.length;
|
||||
let curFarthestIndex: number = 0,
|
||||
nextFarthestIndex: number = 0;
|
||||
let curIndex: number = 0;
|
||||
let stepNum: number = 0;
|
||||
while (curIndex < length - 1) {
|
||||
nextFarthestIndex = Math.max(nextFarthestIndex, curIndex + nums[curIndex]);
|
||||
if (curIndex === curFarthestIndex) {
|
||||
curFarthestIndex = nextFarthestIndex;
|
||||
stepNum++;
|
||||
}
|
||||
curIndex++;
|
||||
const length: number = nums.length;
|
||||
let curFarthestIndex: number = 0,
|
||||
nextFarthestIndex: number = 0;
|
||||
let curIndex: number = 0;
|
||||
let stepNum: number = 0;
|
||||
while (curIndex < length - 1) {
|
||||
nextFarthestIndex = Math.max(nextFarthestIndex, curIndex + nums[curIndex]);
|
||||
if (curIndex === curFarthestIndex) {
|
||||
curFarthestIndex = nextFarthestIndex;
|
||||
stepNum++;
|
||||
}
|
||||
return stepNum;
|
||||
};
|
||||
curIndex++;
|
||||
}
|
||||
return stepNum;
|
||||
}
|
||||
```
|
||||
|
||||
### Scala
|
||||
|
|
@ -378,23 +387,25 @@ object Solution {
|
|||
```Rust
|
||||
//版本一
|
||||
impl Solution {
|
||||
fn max(a: i32, b:i32) -> i32 {
|
||||
if a > b { a } else { b }
|
||||
}
|
||||
pub fn jump(nums: Vec<i32>) -> i32 {
|
||||
if nums.len() == 0 { return 0; }
|
||||
let mut cur_distance: i32 = 0;
|
||||
let mut ans: i32 = 0;
|
||||
let mut next_distance: i32 = 0;
|
||||
for i in 0..nums.len() {
|
||||
next_distance = Self::max(nums[i] + i as i32, next_distance);
|
||||
if i as i32 == cur_distance {
|
||||
if cur_distance != (nums.len() - 1) as i32 {
|
||||
if nums.len() == 1 {
|
||||
return 0;
|
||||
}
|
||||
let mut cur_distance = 0;
|
||||
let mut ans = 0;
|
||||
let mut next_distance = 0;
|
||||
for (i, &n) in nums.iter().enumerate().take(nums.len() - 1) {
|
||||
next_distance = (n as usize + i).max(next_distance);
|
||||
if i == cur_distance {
|
||||
if cur_distance < nums.len() - 1 {
|
||||
ans += 1;
|
||||
cur_distance = next_distance;
|
||||
if next_distance == (nums.len() - 1) as i32 { break; }
|
||||
if next_distance >= nums.len() - 1 {
|
||||
break;
|
||||
};
|
||||
} else {
|
||||
break;
|
||||
}
|
||||
else { break; }
|
||||
}
|
||||
}
|
||||
ans
|
||||
|
|
@ -405,16 +416,16 @@ impl Solution {
|
|||
```Rust
|
||||
//版本二
|
||||
impl Solution {
|
||||
fn max(a: i32, b:i32) -> i32 {
|
||||
if a > b { a } else { b }
|
||||
}
|
||||
pub fn jump(nums: Vec<i32>) -> i32 {
|
||||
let mut cur_distance: i32 = 0;
|
||||
let mut ans: i32 = 0;
|
||||
let mut next_distance: i32 = 0;
|
||||
for i in 0..nums.len() - 1 {
|
||||
next_distance = Self::max(nums[i] + i as i32, next_distance);
|
||||
if i as i32 == cur_distance {
|
||||
if nums.len() == 1 {
|
||||
return 0;
|
||||
}
|
||||
let mut cur_distance = 0;
|
||||
let mut ans = 0;
|
||||
let mut next_distance = 0;
|
||||
for (i, &n) in nums.iter().enumerate().take(nums.len() - 1) {
|
||||
next_distance = (n as usize + i).max(next_distance);
|
||||
if i == cur_distance {
|
||||
cur_distance = next_distance;
|
||||
ans += 1;
|
||||
}
|
||||
|
|
@ -424,7 +435,6 @@ impl Solution {
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
|
|
|
|||
|
|
@ -66,7 +66,7 @@ void backtracking (vector<int>& nums, vector<bool>& used)
|
|||
|
||||
* 递归终止条件
|
||||
|
||||
|
||||
|
||||
|
||||
可以看出叶子节点，就是收割结果的地方。
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,6 +6,7 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
# 47.全排列 II
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/permutations-ii/)
|
||||
|
|
@ -12,17 +14,20 @@
|
|||
给定一个可包含重复数字的序列 nums ，按任意顺序 返回所有不重复的全排列。
|
||||
|
||||
示例 1：
|
||||
|
||||
* 输入：nums = [1,1,2]
|
||||
* 输出：
|
||||
[[1,1,2],
|
||||
[1,2,1],
|
||||
[2,1,1]]
|
||||
[[1,1,2],
|
||||
[1,2,1],
|
||||
[2,1,1]]
|
||||
|
||||
示例 2：
|
||||
|
||||
* 输入：nums = [1,2,3]
|
||||
* 输出：[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
|
||||
|
||||
提示：
|
||||
|
||||
* 1 <= nums.length <= 8
|
||||
* -10 <= nums[i] <= 10
|
||||
|
||||
|
|
@ -45,7 +50,7 @@
|
|||
|
||||
我以示例中的 [1,1,2]为例 （为了方便举例，已经排序）抽象为一棵树，去重过程如图：
|
||||
|
||||
|
||||
|
||||
|
||||
图中我们对同一树层，前一位（也就是nums[i-1]）如果使用过，那么就进行去重。
|
||||
|
||||
|
|
@ -68,7 +73,7 @@ private:
|
|||
}
|
||||
for (int i = 0; i < nums.size(); i++) {
|
||||
// used[i - 1] == true，说明同一树枝nums[i - 1]使用过
|
||||
// used[i - 1] == false，说明同一树层nums[i - 1]使用过
|
||||
// used[i - 1] == false，说明同一树层nums[i - 1]使用过
|
||||
// 如果同一树层nums[i - 1]使用过则直接跳过
|
||||
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
|
||||
continue;
|
||||
|
|
@ -123,23 +128,26 @@ if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == true) {
|
|||
|
||||
树层上去重(used[i - 1] == false)，的树形结构如下：
|
||||
|
||||
|
||||
|
||||
|
||||
树枝上去重（used[i - 1] == true）的树型结构如下：
|
||||
|
||||
|
||||
|
||||
|
||||
大家应该很清晰的看到，树层上对前一位去重非常彻底，效率很高，树枝上对前一位去重虽然最后可以得到答案，但是做了很多无用搜索。
|
||||
|
||||
## 总结
|
||||
|
||||
这道题其实还是用了我们之前讲过的去重思路，但有意思的是，去重的代码中，这么写：
|
||||
|
||||
```cpp
|
||||
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
|
||||
continue;
|
||||
}
|
||||
```
|
||||
|
||||
和这么写：
|
||||
|
||||
```cpp
|
||||
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == true) {
|
||||
continue;
|
||||
|
|
@ -154,7 +162,7 @@ if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == true) {
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### java
|
||||
### java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
|
|
@ -196,7 +204,7 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### python
|
||||
### python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
|
|
@ -224,7 +232,7 @@ class Solution:
|
|||
return res
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
```go
|
||||
var (
|
||||
|
|
@ -264,7 +272,6 @@ func dfs(nums []int, cur int) {
|
|||
### Javascript
|
||||
|
||||
```javascript
|
||||
|
||||
var permuteUnique = function (nums) {
|
||||
nums.sort((a, b) => {
|
||||
return a - b
|
||||
|
|
@ -392,6 +399,7 @@ impl Solution {
|
|||
```
|
||||
|
||||
### C
|
||||
|
||||
```c
|
||||
//临时数组
|
||||
int *path;
|
||||
|
|
@ -483,7 +491,7 @@ object Solution {
|
|||
// 当前索引为0，不存在和前一个数字相等可以进入回溯
|
||||
// 当前索引值和上一个索引不相等，可以回溯
|
||||
// 前一个索引对应的值没有被选，可以回溯
|
||||
// 因为Scala没有continue，只能将逻辑反过来写
|
||||
// 因为Scala没有continue，只能将逻辑反过来写
|
||||
if (i == 0 || (i > 0 && num(i) != num(i - 1)) || used(i-1) == false) {
|
||||
used(i) = true
|
||||
path.append(num(i))
|
||||
|
|
|
|||
|
|
@ -47,7 +47,7 @@ n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上，
|
|||
|
||||
下面我用一个 3 * 3 的棋盘，将搜索过程抽象为一棵树，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
从图中，可以看出，二维矩阵中矩阵的高就是这棵树的高度，矩阵的宽就是树形结构中每一个节点的宽度。
|
||||
|
||||
|
|
@ -87,7 +87,7 @@ void backtracking(int n, int row, vector<string>& chessboard) {
|
|||
* 递归终止条件
|
||||
|
||||
在如下树形结构中：
|
||||
|
||||
|
||||
|
||||
|
||||
可以看出，当递归到棋盘最底层（也就是叶子节点）的时候，就可以收集结果并返回了。
|
||||
|
|
|
|||
|
|
@ -13,7 +13,9 @@
|
|||
n 皇后问题研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。
|
||||
|
||||
上图为 8 皇后问题的一种解法。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
给定一个整数 n，返回 n 皇后不同的解决方案的数量。
|
||||
|
||||
|
|
|
|||
|
|
@ -4,7 +4,6 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 53. 最大子序和
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/maximum-subarray/)
|
||||
|
|
@ -12,17 +11,19 @@
|
|||
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
|
||||
|
||||
示例:
|
||||
* 输入: [-2,1,-3,4,-1,2,1,-5,4]
|
||||
* 输出: 6
|
||||
* 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
|
||||
|
||||
- 输入: [-2,1,-3,4,-1,2,1,-5,4]
|
||||
- 输出: 6
|
||||
- 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法的巧妙需要慢慢体会！LeetCode：53. 最大子序和](https://www.bilibili.com/video/BV1aY4y1Z7ya)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 暴力解法
|
||||
|
||||
暴力解法的思路，第一层for 就是设置起始位置，第二层for循环遍历数组寻找最大值
|
||||
暴力解法的思路，第一层 for 就是设置起始位置，第二层 for 循环遍历数组寻找最大值
|
||||
|
||||
* 时间复杂度：O(n^2)
|
||||
* 空间复杂度：O(1)
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
|
|
@ -41,14 +42,17 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度：O(n^2)
|
||||
* 空间复杂度：O(1)
|
||||
|
||||
以上暴力的解法C++勉强可以过，其他语言就不确定了。
|
||||
|
||||
以上暴力的解法 C++勉强可以过，其他语言就不确定了。
|
||||
|
||||
## 贪心解法
|
||||
|
||||
**贪心贪的是哪里呢？**
|
||||
|
||||
如果 -2 1 在一起，计算起点的时候，一定是从1开始计算，因为负数只会拉低总和，这就是贪心贪的地方！
|
||||
如果 -2 1 在一起，计算起点的时候，一定是从 1 开始计算，因为负数只会拉低总和，这就是贪心贪的地方！
|
||||
|
||||
局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。
|
||||
|
||||
|
|
@ -56,29 +60,27 @@ public:
|
|||
|
||||
**局部最优的情况下，并记录最大的“连续和”，可以推出全局最优**。
|
||||
|
||||
|
||||
从代码角度上来讲：遍历nums，从头开始用count累积，如果count一旦加上nums[i]变为负数，那么就应该从nums[i+1]开始从0累积count了，因为已经变为负数的count，只会拖累总和。
|
||||
从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。
|
||||
|
||||
**这相当于是暴力解法中的不断调整最大子序和区间的起始位置**。
|
||||
|
||||
|
||||
**那有同学问了，区间终止位置不用调整么？ 如何才能得到最大“连续和”呢？**
|
||||
|
||||
区间的终止位置，其实就是如果count取到最大值了，及时记录下来了。例如如下代码：
|
||||
区间的终止位置，其实就是如果 count 取到最大值了，及时记录下来了。例如如下代码：
|
||||
|
||||
```
|
||||
if (count > result) result = count;
|
||||
```
|
||||
|
||||
**这样相当于是用result记录最大子序和区间和（变相的算是调整了终止位置）**。
|
||||
**这样相当于是用 result 记录最大子序和区间和（变相的算是调整了终止位置）**。
|
||||
|
||||
如动画所示：
|
||||
|
||||
|
||||
|
||||
红色的起始位置就是贪心每次取count为正数的时候，开始一个区间的统计。
|
||||
红色的起始位置就是贪心每次取 count 为正数的时候，开始一个区间的统计。
|
||||
|
||||
那么不难写出如下C++代码（关键地方已经注释）
|
||||
那么不难写出如下 C++代码（关键地方已经注释）
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
|
|
@ -97,39 +99,34 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
* 时间复杂度：O(n)
|
||||
* 空间复杂度：O(1)
|
||||
- 时间复杂度：O(n)
|
||||
- 空间复杂度：O(1)
|
||||
|
||||
当然题目没有说如果数组为空，应该返回什么，所以数组为空的话返回啥都可以了。
|
||||
|
||||
## 常见误区
|
||||
|
||||
## 常见误区
|
||||
|
||||
误区一：
|
||||
|
||||
不少同学认为 如果输入用例都是-1，或者 都是负数，这个贪心算法跑出来的结果是0， 这是**又一次证明脑洞模拟不靠谱的经典案例**，建议大家把代码运行一下试一试，就知道了，也会理解 为什么 result 要初始化为最小负数了。
|
||||
误区一：
|
||||
|
||||
不少同学认为 如果输入用例都是-1，或者 都是负数，这个贪心算法跑出来的结果是 0， 这是**又一次证明脑洞模拟不靠谱的经典案例**，建议大家把代码运行一下试一试，就知道了，也会理解 为什么 result 要初始化为最小负数了。
|
||||
|
||||
误区二：
|
||||
|
||||
大家在使用贪心算法求解本题，经常陷入的误区，就是分不清，是遇到 负数就选择起始位置，还是连续和为负选择起始位置。
|
||||
大家在使用贪心算法求解本题，经常陷入的误区，就是分不清，是遇到 负数就选择起始位置，还是连续和为负选择起始位置。
|
||||
|
||||
在动画演示用，大家可以发现， 4，遇到 -1 的时候，我们依然累加了，为什么呢？
|
||||
在动画演示用，大家可以发现， 4，遇到 -1 的时候，我们依然累加了，为什么呢？
|
||||
|
||||
因为和为3，只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。
|
||||
|
||||
这里也会有录友疑惑，那 4 + -1 之后 不就变小了吗？ 会不会错过 4 成为最大连续和的可能性？
|
||||
|
||||
其实并不会，因为还有一个变量result 一直在更新 最大的连续和，只要有更大的连续和出现，result就更新了，那么result已经把4更新了，后面 连续和变成3，也不会对最后结果有影响。
|
||||
因为和为 3，只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。
|
||||
|
||||
这里也会有录友疑惑，那 4 + -1 之后 不就变小了吗？ 会不会错过 4 成为最大连续和的可能性？
|
||||
|
||||
其实并不会，因为还有一个变量 result 一直在更新 最大的连续和，只要有更大的连续和出现，result 就更新了，那么 result 已经把 4 更新了，后面 连续和变成 3，也不会对最后结果有影响。
|
||||
|
||||
## 动态规划
|
||||
|
||||
当然本题还可以用动态规划来做，当前[「代码随想录」](https://img-blog.csdnimg.cn/20201124161234338.png)主要讲解贪心系列，后续到动态规划系列的时候会详细讲解本题的dp方法。
|
||||
当然本题还可以用动态规划来做，当前[「代码随想录」](https://img-blog.csdnimg.cn/20201124161234338.png)主要讲解贪心系列，后续到动态规划系列的时候会详细讲解本题的 dp 方法。
|
||||
|
||||
那么先给出我的dp代码如下，有时间的录友可以提前做一做：
|
||||
那么先给出我的 dp 代码如下，有时间的录友可以提前做一做：
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
|
|
@ -148,8 +145,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度：O(n)
|
||||
* 空间复杂度：O(n)
|
||||
- 时间复杂度：O(n)
|
||||
- 空间复杂度：O(n)
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
@ -159,8 +156,8 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
|
||||
### Java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public int maxSubArray(int[] nums) {
|
||||
|
|
@ -201,6 +198,7 @@ class Solution {
|
|||
```
|
||||
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def maxSubArray(self, nums: List[int]) -> int:
|
||||
|
|
@ -233,6 +231,7 @@ func maxSubArray(nums []int) int {
|
|||
```
|
||||
|
||||
### Rust
|
||||
|
||||
```rust
|
||||
pub fn max_sub_array(nums: Vec<i32>) -> i32 {
|
||||
let mut max_sum = i32::MIN;
|
||||
|
|
@ -247,6 +246,7 @@ pub fn max_sub_array(nums: Vec<i32>) -> i32 {
|
|||
```
|
||||
|
||||
### Javascript:
|
||||
|
||||
```Javascript
|
||||
var maxSubArray = function(nums) {
|
||||
let result = -Infinity
|
||||
|
|
@ -264,14 +264,15 @@ var maxSubArray = function(nums) {
|
|||
};
|
||||
```
|
||||
|
||||
|
||||
### C:
|
||||
|
||||
贪心：
|
||||
|
||||
```c
|
||||
int maxSubArray(int* nums, int numsSize){
|
||||
int maxVal = INT_MIN;
|
||||
int subArrSum = 0;
|
||||
|
||||
|
||||
int i;
|
||||
for(i = 0; i < numsSize; ++i) {
|
||||
subArrSum += nums[i];
|
||||
|
|
@ -286,6 +287,7 @@ int maxSubArray(int* nums, int numsSize){
|
|||
```
|
||||
|
||||
动态规划：
|
||||
|
||||
```c
|
||||
/**
|
||||
* 解题思路：动态规划：
|
||||
|
|
@ -324,15 +326,15 @@ int maxSubArray(int* nums, int numsSize){
|
|||
|
||||
```typescript
|
||||
function maxSubArray(nums: number[]): number {
|
||||
let curSum: number = 0;
|
||||
let resMax: number = -Infinity;
|
||||
for (let i = 0, length = nums.length; i < length; i++) {
|
||||
curSum += nums[i];
|
||||
resMax = Math.max(curSum, resMax);
|
||||
if (curSum < 0) curSum = 0;
|
||||
}
|
||||
return resMax;
|
||||
};
|
||||
let curSum: number = 0;
|
||||
let resMax: number = -Infinity;
|
||||
for (let i = 0, length = nums.length; i < length; i++) {
|
||||
curSum += nums[i];
|
||||
resMax = Math.max(curSum, resMax);
|
||||
if (curSum < 0) curSum = 0;
|
||||
}
|
||||
return resMax;
|
||||
}
|
||||
```
|
||||
|
||||
**动态规划**
|
||||
|
|
@ -340,17 +342,17 @@ function maxSubArray(nums: number[]): number {
|
|||
```typescript
|
||||
// 动态规划
|
||||
function maxSubArray(nums: number[]): number {
|
||||
const length = nums.length;
|
||||
if (length === 0) return 0;
|
||||
const dp: number[] = [];
|
||||
dp[0] = nums[0];
|
||||
let resMax: number = nums[0];
|
||||
for (let i = 1; i < length; i++) {
|
||||
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
|
||||
resMax = Math.max(resMax, dp[i]);
|
||||
}
|
||||
return resMax;
|
||||
};
|
||||
const length = nums.length;
|
||||
if (length === 0) return 0;
|
||||
const dp: number[] = [];
|
||||
dp[0] = nums[0];
|
||||
let resMax: number = nums[0];
|
||||
for (let i = 1; i < length; i++) {
|
||||
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
|
||||
resMax = Math.max(resMax, dp[i]);
|
||||
}
|
||||
return resMax;
|
||||
}
|
||||
```
|
||||
|
||||
### Scala
|
||||
|
|
|
|||
|
|
@ -51,7 +51,7 @@ dp[0]应该是多少呢?
|
|||
5. 举例推导dp数组
|
||||
|
||||
以示例一为例，输入：nums = [-2,1,-3,4,-1,2,1,-5,4]，对应的dp状态如下：
|
||||
|
||||
|
||||
|
||||
**注意最后的结果可不是dp[nums.size() - 1]！** ，而是dp[6]。
|
||||
|
||||
|
|
|
|||
|
|
@ -37,7 +37,8 @@
|
|||
|
||||
由外向内一圈一圈这么画下去，如下所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
这里每一种颜色，代表一条边，我们遍历的长度，可以看出每一个拐角处的处理规则，拐角处让给新的一条边来继续画。
|
||||
|
||||
|
|
|
|||
|
|
@ -4,7 +4,6 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 55. 跳跃游戏
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/jump-game/)
|
||||
|
|
@ -15,20 +14,25 @@
|
|||
|
||||
判断你是否能够到达最后一个位置。
|
||||
|
||||
示例 1:
|
||||
* 输入: [2,3,1,1,4]
|
||||
* 输出: true
|
||||
* 解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。
|
||||
示例 1:
|
||||
|
||||
示例 2:
|
||||
* 输入: [3,2,1,0,4]
|
||||
* 输出: false
|
||||
* 解释: 无论怎样，你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 ， 所以你永远不可能到达最后一个位置。
|
||||
- 输入: [2,3,1,1,4]
|
||||
- 输出: true
|
||||
- 解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。
|
||||
|
||||
示例 2:
|
||||
|
||||
- 输入: [3,2,1,0,4]
|
||||
- 输出: false
|
||||
- 解释: 无论怎样，你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 ， 所以你永远不可能到达最后一个位置。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，怎么跳跃不重要，关键在覆盖范围 | LeetCode：55.跳跃游戏](https://www.bilibili.com/video/BV1VG4y1X7kB)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
刚看到本题一开始可能想：当前位置元素如果是3，我究竟是跳一步呢，还是两步呢，还是三步呢，究竟跳几步才是最优呢？
|
||||
刚看到本题一开始可能想：当前位置元素如果是 3，我究竟是跳一步呢，还是两步呢，还是三步呢，究竟跳几步才是最优呢？
|
||||
|
||||
其实跳几步无所谓，关键在于可跳的覆盖范围！
|
||||
|
||||
|
|
@ -46,13 +50,13 @@
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
i每次移动只能在cover的范围内移动，每移动一个元素，cover得到该元素数值（新的覆盖范围）的补充，让i继续移动下去。
|
||||
i 每次移动只能在 cover 的范围内移动，每移动一个元素，cover 得到该元素数值（新的覆盖范围）的补充，让 i 继续移动下去。
|
||||
|
||||
而cover每次只取 max(该元素数值补充后的范围, cover本身范围)。
|
||||
而 cover 每次只取 max(该元素数值补充后的范围, cover 本身范围)。
|
||||
|
||||
如果cover大于等于了终点下标，直接return true就可以了。
|
||||
如果 cover 大于等于了终点下标，直接 return true 就可以了。
|
||||
|
||||
C++代码如下：
|
||||
|
||||
|
|
@ -70,6 +74,11 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
这道题目关键点在于：不用拘泥于每次究竟跳几步，而是看覆盖范围，覆盖范围内一定是可以跳过来的，不用管是怎么跳的。
|
||||
|
|
@ -82,8 +91,8 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
|
||||
### Java
|
||||
```Java
|
||||
class Solution {
|
||||
public boolean canJump(int[] nums) {
|
||||
|
|
@ -105,6 +114,7 @@ class Solution {
|
|||
```
|
||||
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def canJump(self, nums: List[int]) -> bool:
|
||||
|
|
@ -155,9 +165,7 @@ func max(a, b int ) int {
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
|
||||
### Javascript
|
||||
### Javascript
|
||||
|
||||
```Javascript
|
||||
var canJump = function(nums) {
|
||||
|
|
@ -177,16 +185,16 @@ var canJump = function(nums) {
|
|||
|
||||
```Rust
|
||||
impl Solution {
|
||||
fn max(a: usize, b: usize) -> usize {
|
||||
if a > b { a } else { b }
|
||||
}
|
||||
pub fn can_jump(nums: Vec<i32>) -> bool {
|
||||
let mut cover = 0;
|
||||
if (nums.len() == 1) { return true; }
|
||||
let mut i = 0;
|
||||
if nums.len() == 1 {
|
||||
return true;
|
||||
}
|
||||
let (mut i, mut cover) = (0, 0);
|
||||
while i <= cover {
|
||||
cover = Self::max(i + nums[i] as usize, cover);
|
||||
if cover >= nums.len() - 1 { return true; }
|
||||
cover = (i + nums[i] as usize).max(cover);
|
||||
if cover >= nums.len() - 1 {
|
||||
return true;
|
||||
}
|
||||
i += 1;
|
||||
}
|
||||
false
|
||||
|
|
@ -195,6 +203,7 @@ impl Solution {
|
|||
```
|
||||
|
||||
### C
|
||||
|
||||
```c
|
||||
#define max(a, b) (((a) > (b)) ? (a) : (b))
|
||||
|
||||
|
|
@ -216,23 +225,23 @@ bool canJump(int* nums, int numsSize){
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
### TypeScript
|
||||
|
||||
```typescript
|
||||
function canJump(nums: number[]): boolean {
|
||||
let farthestIndex: number = 0;
|
||||
let cur: number = 0;
|
||||
while (cur <= farthestIndex) {
|
||||
farthestIndex = Math.max(farthestIndex, cur + nums[cur]);
|
||||
if (farthestIndex >= nums.length - 1) return true;
|
||||
cur++;
|
||||
}
|
||||
return false;
|
||||
};
|
||||
let farthestIndex: number = 0;
|
||||
let cur: number = 0;
|
||||
while (cur <= farthestIndex) {
|
||||
farthestIndex = Math.max(farthestIndex, cur + nums[cur]);
|
||||
if (farthestIndex >= nums.length - 1) return true;
|
||||
cur++;
|
||||
}
|
||||
return false;
|
||||
}
|
||||
```
|
||||
|
||||
### Scala
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
def canJump(nums: Array[Int]): Boolean = {
|
||||
|
|
@ -249,7 +258,6 @@ object Solution {
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
|
|
|
|||
|
|
@ -22,6 +22,9 @@
|
|||
* 解释: 区间 [1,4] 和 [4,5] 可被视为重叠区间。
|
||||
* 注意：输入类型已于2019年4月15日更改。 请重置默认代码定义以获取新方法签名。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，合并区间有细节！LeetCode：56.合并区间](https://www.bilibili.com/video/BV1wx4y157nD)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -37,7 +40,7 @@
|
|||
|
||||
这么说有点抽象，看图：（**注意图中区间都是按照左边界排序之后了**）
|
||||
|
||||
|
||||
|
||||
|
||||
知道如何判断重复之后，剩下的就是合并了，如何去模拟合并区间呢？
|
||||
|
||||
|
|
@ -70,6 +73,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(nlogn)
|
||||
* 空间复杂度: O(logn)，排序需要的空间开销
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
||||
|
|
@ -174,6 +181,34 @@ func max(a, b int) int {
|
|||
return b
|
||||
}
|
||||
```
|
||||
```go
|
||||
// 版本2
|
||||
func merge(intervals [][]int) [][]int {
|
||||
if len(intervals) == 1 {
|
||||
return intervals
|
||||
}
|
||||
sort.Slice(intervals, func(i, j int) bool {
|
||||
return intervals[i][0] < intervals[j][0]
|
||||
})
|
||||
res := make([][]int, 0)
|
||||
res = append(res, intervals[0])
|
||||
for i := 1; i < len(intervals); i++ {
|
||||
if intervals[i][0] <= res[len(res)-1][1]{
|
||||
res[len(res)-1][1] = max56(res[len(res)-1][1],intervals[i][1])
|
||||
} else {
|
||||
res = append(res, intervals[i])
|
||||
}
|
||||
}
|
||||
return res
|
||||
}
|
||||
func max56(a, b int) int {
|
||||
if a > b {
|
||||
return a
|
||||
}
|
||||
return b
|
||||
}
|
||||
```
|
||||
|
||||
|
||||
### Javascript
|
||||
```javascript
|
||||
|
|
@ -277,24 +312,22 @@ object Solution {
|
|||
|
||||
```Rust
|
||||
impl Solution {
|
||||
fn max(a: i32, b: i32) -> i32 {
|
||||
if a > b { a } else { b }
|
||||
}
|
||||
|
||||
pub fn merge(intervals: Vec<Vec<i32>>) -> Vec<Vec<i32>> {
|
||||
let mut intervals = intervals;
|
||||
let mut result = Vec::new();
|
||||
if intervals.len() == 0 { return result; }
|
||||
intervals.sort_by(|a, b| a[0].cmp(&b[0]));
|
||||
result.push(intervals[0].clone());
|
||||
for i in 1..intervals.len() {
|
||||
if result.last_mut().unwrap()[1] >= intervals[i][0] {
|
||||
result.last_mut().unwrap()[1] = Self::max(result.last_mut().unwrap()[1], intervals[i][1]);
|
||||
pub fn merge(mut intervals: Vec<Vec<i32>>) -> Vec<Vec<i32>> {
|
||||
let mut res = vec![];
|
||||
if intervals.is_empty() {
|
||||
return res;
|
||||
}
|
||||
intervals.sort_by_key(|a| a[0]);
|
||||
res.push(intervals[0].clone());
|
||||
for interval in intervals.into_iter().skip(1) {
|
||||
let res_last_ele = res.last_mut().unwrap();
|
||||
if res_last_ele[1] >= interval[0] {
|
||||
res_last_ele[1] = interval[1].max(res_last_ele[1]);
|
||||
} else {
|
||||
result.push(intervals[i].clone());
|
||||
res.push(interval);
|
||||
}
|
||||
}
|
||||
result
|
||||
res
|
||||
}
|
||||
}
|
||||
```
|
||||
|
|
|
|||
|
|
@ -117,6 +117,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度 O(n^2): 模拟遍历二维矩阵的时间
|
||||
* 空间复杂度 O(1)
|
||||
|
||||
## 类似题目
|
||||
|
||||
* 54.螺旋矩阵
|
||||
|
|
|
|||
|
|
@ -1,14 +1,16 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 62.不同路径
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/unique-paths/)
|
||||
|
||||
一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。
|
||||
一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。
|
||||
|
||||
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。
|
||||
|
||||
|
|
@ -16,30 +18,35 @@
|
|||
|
||||
示例 1：
|
||||
|
||||
|
||||
|
||||
|
||||
* 输入：m = 3, n = 7
|
||||
* 输出：28
|
||||
|
||||
示例 2：
|
||||
|
||||
* 输入：m = 2, n = 3
|
||||
* 输出：3
|
||||
|
||||
解释： 从左上角开始，总共有 3 条路径可以到达右下角。
|
||||
|
||||
1. 向右 -> 向右 -> 向下
|
||||
2. 向右 -> 向下 -> 向右
|
||||
3. 向下 -> 向右 -> 向右
|
||||
|
||||
|
||||
示例 3：
|
||||
|
||||
* 输入：m = 7, n = 3
|
||||
* 输出：28
|
||||
|
||||
示例 4：
|
||||
|
||||
* 输入：m = 3, n = 3
|
||||
* 输出：6
|
||||
|
||||
提示：
|
||||
|
||||
* 1 <= m, n <= 100
|
||||
* 题目数据保证答案小于等于 2 * 10^9
|
||||
|
||||
|
|
@ -57,7 +64,7 @@
|
|||
|
||||
如图举例：
|
||||
|
||||
|
||||
|
||||
|
||||
此时问题就可以转化为求二叉树叶子节点的个数，代码如下：
|
||||
|
||||
|
|
@ -126,7 +133,7 @@ for (int j = 0; j < n; j++) dp[0][j] = 1;
|
|||
|
||||
如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
以上动规五部曲分析完毕，C++代码如下：
|
||||
|
||||
|
|
@ -175,7 +182,7 @@ public:
|
|||
|
||||
在这个图中，可以看出一共m，n的话，无论怎么走，走到终点都需要 m + n - 2 步。
|
||||
|
||||
|
||||
|
||||
|
||||
在这m + n - 2 步中，一定有 m - 1 步是要向下走的，不用管什么时候向下走。
|
||||
|
||||
|
|
@ -185,7 +192,7 @@ public:
|
|||
|
||||
那么答案，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
**求组合的时候，要防止两个int相乘溢出！** 所以不能把算式的分子都算出来，分母都算出来再做除法。
|
||||
|
||||
|
|
@ -245,7 +252,8 @@ public:
|
|||
## 其他语言版本
|
||||
|
||||
|
||||
### Java
|
||||
### Java
|
||||
|
||||
```java
|
||||
/**
|
||||
* 1. 确定dp数组下标含义 dp[i][j] 到每一个坐标可能的路径种类
|
||||
|
|
@ -278,7 +286,8 @@ public:
|
|||
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution: # 动态规划
|
||||
def uniquePaths(self, m: int, n: int) -> int:
|
||||
|
|
@ -289,7 +298,8 @@ class Solution: # 动态规划
|
|||
return dp[m - 1][n - 1]
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
```Go
|
||||
func uniquePaths(m int, n int) int {
|
||||
dp := make([][]int, m)
|
||||
|
|
@ -309,19 +319,20 @@ func uniquePaths(m int, n int) int {
|
|||
}
|
||||
```
|
||||
|
||||
### Javascript
|
||||
### Javascript
|
||||
|
||||
```Javascript
|
||||
var uniquePaths = function(m, n) {
|
||||
const dp = Array(m).fill().map(item => Array(n))
|
||||
|
||||
|
||||
for (let i = 0; i < m; ++i) {
|
||||
dp[i][0] = 1
|
||||
}
|
||||
|
||||
|
||||
for (let i = 0; i < n; ++i) {
|
||||
dp[0][i] = 1
|
||||
}
|
||||
|
||||
|
||||
for (let i = 1; i < m; ++i) {
|
||||
for (let j = 1; j < n; ++j) {
|
||||
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
|
||||
|
|
@ -330,7 +341,9 @@ var uniquePaths = function(m, n) {
|
|||
return dp[m - 1][n - 1]
|
||||
};
|
||||
```
|
||||
|
||||
>版本二：直接将dp数值值初始化为1
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* @param {number} m
|
||||
|
|
@ -414,9 +427,9 @@ int **initDP(int m, int n) {
|
|||
}
|
||||
|
||||
//从0，0到i,0只有一种走法，所以dp[i][0]都是1，同理dp[0][j]也是1
|
||||
for(i = 0; i < m; ++i)
|
||||
for(i = 0; i < m; ++i)
|
||||
dp[i][0] = 1;
|
||||
for(j = 0; j < n; ++j)
|
||||
for(j = 0; j < n; ++j)
|
||||
dp[0][j] = 1;
|
||||
return dp;
|
||||
}
|
||||
|
|
@ -440,6 +453,7 @@ int uniquePaths(int m, int n){
|
|||
```
|
||||
|
||||
滚动数组解法:
|
||||
|
||||
```c
|
||||
int uniquePaths(int m, int n){
|
||||
int i, j;
|
||||
|
|
@ -455,7 +469,7 @@ int uniquePaths(int m, int n){
|
|||
dp[i] += dp[i - 1];
|
||||
}
|
||||
}
|
||||
return dp[n - 1];
|
||||
return dp[n - 1];
|
||||
}
|
||||
```
|
||||
|
||||
|
|
|
|||
|
|
@ -1,9 +1,11 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 63. 不同路径 II
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/unique-paths-ii/)
|
||||
|
|
@ -14,32 +16,33 @@
|
|||
|
||||
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径？
|
||||
|
||||
|
||||
|
||||
|
||||
网格中的障碍物和空位置分别用 1 和 0 来表示。
|
||||
|
||||
示例 1：
|
||||
|
||||
|
||||
|
||||
|
||||
* 输入：obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]
|
||||
* 输出：2
|
||||
解释：
|
||||
解释：
|
||||
* 3x3 网格的正中间有一个障碍物。
|
||||
* 从左上角到右下角一共有 2 条不同的路径：
|
||||
1. 向右 -> 向右 -> 向下 -> 向下
|
||||
2. 向下 -> 向下 -> 向右 -> 向右
|
||||
1. 向右 -> 向右 -> 向下 -> 向下
|
||||
2. 向下 -> 向下 -> 向右 -> 向右
|
||||
|
||||
示例 2：
|
||||
|
||||
|
||||
|
||||
|
||||
* 输入：obstacleGrid = [[0,1],[0,0]]
|
||||
* 输出：1
|
||||
|
||||
提示：
|
||||
* m == obstacleGrid.length
|
||||
* n == obstacleGrid[i].length
|
||||
|
||||
* m == obstacleGrid.length
|
||||
* n == obstacleGrid[i].length
|
||||
* 1 <= m, n <= 100
|
||||
* obstacleGrid[i][j] 为 0 或 1
|
||||
|
||||
|
|
@ -92,7 +95,7 @@ for (int j = 0; j < n; j++) dp[0][j] = 1;
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
下标(0, j)的初始化情况同理。
|
||||
|
||||
|
|
@ -126,13 +129,13 @@ for (int i = 1; i < m; i++) {
|
|||
|
||||
拿示例1来举例如题：
|
||||
|
||||
|
||||
|
||||
|
||||
对应的dp table 如图：
|
||||
|
||||
|
||||
|
||||
|
||||
如果这个图看不同，建议在理解一下递归公式，然后照着文章中说的遍历顺序，自己推导一下！
|
||||
如果这个图看不同，建议在理解一下递归公式，然后照着文章中说的遍历顺序，自己推导一下！
|
||||
|
||||
动规五部分分析完毕，对应C++代码如下：
|
||||
|
||||
|
|
@ -163,6 +166,7 @@ public:
|
|||
|
||||
|
||||
同样我们给出空间优化版本：
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
public:
|
||||
|
|
@ -208,7 +212,7 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
### Java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
|
|
@ -246,11 +250,11 @@ class Solution {
|
|||
int m = obstacleGrid.length;
|
||||
int n = obstacleGrid[0].length;
|
||||
int[] dp = new int[n];
|
||||
|
||||
|
||||
for (int j = 0; j < n && obstacleGrid[0][j] == 0; j++) {
|
||||
dp[j] = 1;
|
||||
}
|
||||
|
||||
|
||||
for (int i = 1; i < m; i++) {
|
||||
for (int j = 0; j < n; j++) {
|
||||
if (obstacleGrid[i][j] == 1) {
|
||||
|
|
@ -316,7 +320,7 @@ class Solution:
|
|||
if obstacleGrid[0][j] == 1:
|
||||
break
|
||||
curr[j] = 1
|
||||
|
||||
|
||||
for i in range(1, m): # 从第二行开始
|
||||
for j in range(n): # 从第一列开始，因为第一列可能有障碍物
|
||||
# 有障碍物处无法通行，状态就设成0
|
||||
|
|
@ -328,7 +332,7 @@ class Solution:
|
|||
curr[j] = curr[j] + curr[j - 1]
|
||||
# 隐含的状态更新
|
||||
# dp[i][0] = dp[i - 1][0]
|
||||
|
||||
|
||||
return curr[n - 1]
|
||||
```
|
||||
|
||||
|
|
@ -369,26 +373,27 @@ func uniquePathsWithObstacles(obstacleGrid [][]int) int {
|
|||
```
|
||||
|
||||
### Javascript
|
||||
|
||||
```Javascript
|
||||
var uniquePathsWithObstacles = function(obstacleGrid) {
|
||||
const m = obstacleGrid.length
|
||||
const n = obstacleGrid[0].length
|
||||
const dp = Array(m).fill().map(item => Array(n).fill(0))
|
||||
|
||||
|
||||
for (let i = 0; i < m && obstacleGrid[i][0] === 0; ++i) {
|
||||
dp[i][0] = 1
|
||||
}
|
||||
|
||||
|
||||
for (let i = 0; i < n && obstacleGrid[0][i] === 0; ++i) {
|
||||
dp[0][i] = 1
|
||||
}
|
||||
|
||||
|
||||
for (let i = 1; i < m; ++i) {
|
||||
for (let j = 1; j < n; ++j) {
|
||||
dp[i][j] = obstacleGrid[i][j] === 1 ? 0 : dp[i - 1][j] + dp[i][j - 1]
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return dp[m - 1][n - 1]
|
||||
};
|
||||
|
||||
|
|
@ -545,9 +550,10 @@ int uniquePathsWithObstacles(int** obstacleGrid, int obstacleGridSize, int* obst
|
|||
```
|
||||
|
||||
空间优化版本:
|
||||
|
||||
```c
|
||||
int uniquePathsWithObstacles(int** obstacleGrid, int obstacleGridSize, int* obstacleGridColSize){
|
||||
int m = obstacleGridSize;
|
||||
int m = obstacleGridSize;
|
||||
int n = obstacleGridColSize[0];
|
||||
int *dp = (int*)malloc(sizeof(int) * n);
|
||||
int i, j;
|
||||
|
|
|
|||
|
|
@ -72,7 +72,7 @@ dp[i]： 爬到第i层楼梯，有dp[i]种方法
|
|||
|
||||
3. dp数组如何初始化
|
||||
|
||||
在回顾一下dp[i]的定义：爬到第i层楼梯，有dp[i]中方法。
|
||||
再回顾一下dp[i]的定义：爬到第i层楼梯，有dp[i]种方法。
|
||||
|
||||
那么i为0，dp[i]应该是多少呢，这个可以有很多解释，但基本都是直接奔着答案去解释的。
|
||||
|
||||
|
|
@ -102,7 +102,8 @@ dp[i]： 爬到第i层楼梯，有dp[i]种方法
|
|||
|
||||
举例当n为5的时候，dp table（dp数组）应该是这样的
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
如果代码出问题了，就把dp table 打印出来，看看究竟是不是和自己推导的一样。
|
||||
|
||||
|
|
|
|||
|
|
@ -101,6 +101,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(nm)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
|
||||
代码中m表示最多可以爬m个台阶，代码中把m改成2就是本题70.爬楼梯可以AC的代码了。
|
||||
|
||||
## 总结
|
||||
|
|
@ -128,12 +133,12 @@ Java：
|
|||
class Solution {
|
||||
public int climbStairs(int n) {
|
||||
int[] dp = new int[n + 1];
|
||||
int[] weight = {1,2};
|
||||
int m = 2;
|
||||
dp[0] = 1;
|
||||
|
||||
for (int i = 0; i <= n; i++) {
|
||||
for (int j = 0; j < weight.length; j++) {
|
||||
if (i >= weight[j]) dp[i] += dp[i - weight[j]];
|
||||
for (int i = 1; i <= n; i++) { // 遍历背包
|
||||
for (int j = 1; j <= m; j++) { //遍历物品
|
||||
if (i >= j) dp[i] += dp[i - j];
|
||||
}
|
||||
}
|
||||
|
||||
|
|
@ -227,3 +232,4 @@ function climbStairs(n: number): number {
|
|||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
</a>
|
||||
|
||||
|
|
|
|||
|
|
@ -169,7 +169,7 @@ for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
|
|||
|
||||
可以看出dp[i][j]是依赖左方，上方和左上方元素的，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
所以在dp矩阵中一定是从左到右从上到下去遍历。
|
||||
|
||||
|
|
@ -193,7 +193,7 @@ for (int i = 1; i <= word1.size(); i++) {
|
|||
|
||||
以示例1为例，输入：`word1 = "horse", word2 = "ros"`为例，dp矩阵状态图如下：
|
||||
|
||||
|
||||
|
||||
|
||||
以上动规五部分析完毕，C++代码如下：
|
||||
|
||||
|
|
@ -218,6 +218,10 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n * m)
|
||||
* 空间复杂度: O(n * m)
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -7,31 +8,32 @@
|
|||
|
||||
|
||||
|
||||
|
||||
# 第77题. 组合
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/combinations/ )
|
||||
|
||||
给定两个整数 n 和 k，返回 1 ... n 中所有可能的 k 个数的组合。
|
||||
给定两个整数 n 和 k，返回 1 ... n 中所有可能的 k 个数的组合。
|
||||
|
||||
示例:
|
||||
输入: n = 4, k = 2
|
||||
输出:
|
||||
[
|
||||
[2,4],
|
||||
[3,4],
|
||||
[2,3],
|
||||
[1,2],
|
||||
[1,3],
|
||||
[1,4],
|
||||
]
|
||||
示例:
|
||||
输入: n = 4, k = 2
|
||||
输出:
|
||||
[
|
||||
[2,4],
|
||||
[3,4],
|
||||
[2,3],
|
||||
[1,2],
|
||||
[1,3],
|
||||
[1,4],
|
||||
]
|
||||
|
||||
# 算法公开课
|
||||
# 算法公开课
|
||||
|
||||
|
||||
**《代码随想录》算法视频公开课：[带你学透回溯算法-组合问题（对应力扣题目：77.组合）](https://www.bilibili.com/video/BV1ti4y1L7cv)，[组合问题的剪枝操作](https://www.bilibili.com/video/BV1wi4y157er)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
|
||||
# 思路
|
||||
# 思路
|
||||
|
||||
|
||||
本题是回溯法的经典题目。
|
||||
|
|
@ -39,6 +41,7 @@
|
|||
直接的解法当然是使用for循环，例如示例中k为2，很容易想到 用两个for循环，这样就可以输出 和示例中一样的结果。
|
||||
|
||||
代码如下：
|
||||
|
||||
```CPP
|
||||
int n = 4;
|
||||
for (int i = 1; i <= n; i++) {
|
||||
|
|
@ -66,7 +69,7 @@ for (int i = 1; i <= n; i++) {
|
|||
|
||||
**此时就会发现虽然想暴力搜索，但是用for循环嵌套连暴力都写不出来！**
|
||||
|
||||
咋整？
|
||||
咋整？
|
||||
|
||||
回溯搜索法来了，虽然回溯法也是暴力，但至少能写出来，不像for循环嵌套k层让人绝望。
|
||||
|
||||
|
|
@ -86,7 +89,7 @@ for (int i = 1; i <= n; i++) {
|
|||
|
||||
那么我把组合问题抽象为如下树形结构：
|
||||
|
||||
|
||||
|
||||
|
||||
可以看出这棵树，一开始集合是 1，2，3，4， 从左向右取数，取过的数，不再重复取。
|
||||
|
||||
|
|
@ -94,7 +97,7 @@ for (int i = 1; i <= n; i++) {
|
|||
|
||||
**每次从集合中选取元素，可选择的范围随着选择的进行而收缩，调整可选择的范围**。
|
||||
|
||||
**图中可以发现n相当于树的宽度，k相当于树的深度**。
|
||||
**图中可以发现n相当于树的宽度，k相当于树的深度**。
|
||||
|
||||
那么如何在这个树上遍历，然后收集到我们要的结果集呢？
|
||||
|
||||
|
|
@ -107,7 +110,7 @@ for (int i = 1; i <= n; i++) {
|
|||
|
||||
## 回溯法三部曲
|
||||
|
||||
* 递归函数的返回值以及参数
|
||||
* 递归函数的返回值以及参数
|
||||
|
||||
在这里要定义两个全局变量，一个用来存放符合条件单一结果，一个用来存放符合条件结果的集合。
|
||||
|
||||
|
|
@ -124,25 +127,25 @@ vector<int> path; // 用来存放符合条件结果
|
|||
|
||||
然后还需要一个参数，为int型变量startIndex，这个参数用来记录本层递归的中，集合从哪里开始遍历（集合就是[1,...,n] ）。
|
||||
|
||||
为什么要有这个startIndex呢？
|
||||
为什么要有这个startIndex呢？
|
||||
|
||||
**建议在[77.组合视频讲解](https://www.bilibili.com/video/BV1ti4y1L7cv)中，07:36的时候开始听，startIndex 就是防止出现重复的组合**。
|
||||
|
||||
从下图中红线部分可以看出，在集合[1,2,3,4]取1之后，下一层递归，就要在[2,3,4]中取数了，那么下一层递归如何知道从[2,3,4]中取数呢，靠的就是startIndex。
|
||||
|
||||
|
||||
|
||||
|
||||
所以需要startIndex来记录下一层递归，搜索的起始位置。
|
||||
所以需要startIndex来记录下一层递归，搜索的起始位置。
|
||||
|
||||
那么整体代码如下：
|
||||
|
||||
```cpp
|
||||
vector<vector<int>> result; // 存放符合条件结果的集合
|
||||
vector<int> path; // 用来存放符合条件单一结果
|
||||
void backtracking(int n, int k, int startIndex)
|
||||
void backtracking(int n, int k, int startIndex)
|
||||
```
|
||||
|
||||
* 回溯函数终止条件
|
||||
* 回溯函数终止条件
|
||||
|
||||
什么时候到达所谓的叶子节点了呢？
|
||||
|
||||
|
|
@ -150,7 +153,7 @@ path这个数组的大小如果达到k，说明我们找到了一个子集大小
|
|||
|
||||
如图红色部分：
|
||||
|
||||
|
||||
|
||||
|
||||
此时用result二维数组，把path保存起来，并终止本层递归。
|
||||
|
||||
|
|
@ -163,21 +166,21 @@ if (path.size() == k) {
|
|||
}
|
||||
```
|
||||
|
||||
* 单层搜索的过程
|
||||
* 单层搜索的过程
|
||||
|
||||
回溯法的搜索过程就是一个树型结构的遍历过程，在如下图中，可以看出for循环用来横向遍历，递归的过程是纵向遍历。
|
||||
|
||||
|
||||
|
||||
|
||||
如此我们才遍历完图中的这棵树。
|
||||
|
||||
for循环每次从startIndex开始遍历，然后用path保存取到的节点i。
|
||||
for循环每次从startIndex开始遍历，然后用path保存取到的节点i。
|
||||
|
||||
代码如下：
|
||||
|
||||
```CPP
|
||||
for (int i = startIndex; i <= n; i++) { // 控制树的横向遍历
|
||||
path.push_back(i); // 处理节点
|
||||
path.push_back(i); // 处理节点
|
||||
backtracking(n, k, i + 1); // 递归：控制树的纵向遍历，注意下一层搜索要从i+1开始
|
||||
path.pop_back(); // 回溯，撤销处理的节点
|
||||
}
|
||||
|
|
@ -201,7 +204,7 @@ private:
|
|||
return;
|
||||
}
|
||||
for (int i = startIndex; i <= n; i++) {
|
||||
path.push_back(i); // 处理节点
|
||||
path.push_back(i); // 处理节点
|
||||
backtracking(n, k, i + 1); // 递归
|
||||
path.pop_back(); // 回溯，撤销处理的节点
|
||||
}
|
||||
|
|
@ -216,9 +219,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
还记得我们在[关于回溯算法，你该了解这些！](https://programmercarl.com/回溯算法理论基础.html)中给出的回溯法模板么？
|
||||
还记得我们在[关于回溯算法，你该了解这些！](https://programmercarl.com/回溯算法理论基础.html)中给出的回溯法模板么？
|
||||
|
||||
如下：
|
||||
|
||||
```
|
||||
void backtracking(参数) {
|
||||
if (终止条件) {
|
||||
|
|
@ -234,15 +238,15 @@ void backtracking(参数) {
|
|||
}
|
||||
```
|
||||
|
||||
**对比一下本题的代码，是不是发现有点像！** 所以有了这个模板，就有解题的大体方向，不至于毫无头绪。
|
||||
**对比一下本题的代码，是不是发现有点像！** 所以有了这个模板，就有解题的大体方向，不至于毫无头绪。
|
||||
|
||||
## 总结
|
||||
## 总结
|
||||
|
||||
组合问题是回溯法解决的经典问题，我们开始的时候给大家列举一个很形象的例子，就是n为100，k为50的话，直接想法就需要50层for循环。
|
||||
|
||||
从而引出了回溯法就是解决这种k层for循环嵌套的问题。
|
||||
|
||||
然后进一步把回溯法的搜索过程抽象为树形结构，可以直观的看出搜索的过程。
|
||||
然后进一步把回溯法的搜索过程抽象为树形结构，可以直观的看出搜索的过程。
|
||||
|
||||
接着用回溯法三部曲，逐步分析了函数参数、终止条件和单层搜索的过程。
|
||||
|
||||
|
|
@ -266,7 +270,7 @@ for (int i = startIndex; i <= n; i++) {
|
|||
|
||||
这么说有点抽象，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
图中每一个节点（图中为矩形），就代表本层的一个for循环，那么每一层的for循环从第二个数开始遍历的话，都没有意义，都是无效遍历。
|
||||
|
||||
|
|
@ -275,6 +279,7 @@ for (int i = startIndex; i <= n; i++) {
|
|||
**如果for循环选择的起始位置之后的元素个数 已经不足 我们需要的元素个数了，那么就没有必要搜索了**。
|
||||
|
||||
注意代码中i，就是for循环里选择的起始位置。
|
||||
|
||||
```
|
||||
for (int i = startIndex; i <= n; i++) {
|
||||
```
|
||||
|
|
@ -342,6 +347,7 @@ public:
|
|||
|
||||
|
||||
### Java：
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
List<List<Integer>> result = new ArrayList<>();
|
||||
|
|
@ -370,7 +376,7 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution(object):
|
||||
|
|
@ -417,6 +423,7 @@ class Solution:
|
|||
```
|
||||
|
||||
剪枝：
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def combine(self, n: int, k: int) -> List[List[int]]:
|
||||
|
|
@ -434,7 +441,8 @@ class Solution:
|
|||
return res
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
```Go
|
||||
var (
|
||||
path []int
|
||||
|
|
@ -452,7 +460,7 @@ func dfs(n int, k int, start int) {
|
|||
tmp := make([]int, k)
|
||||
copy(tmp, path)
|
||||
res = append(res, tmp)
|
||||
return
|
||||
return
|
||||
}
|
||||
for i := start; i <= n; i++ { // 从start开始，不往回走，避免出现重复组合
|
||||
if n - i + 1 < k - len(path) { // 剪枝
|
||||
|
|
@ -465,9 +473,10 @@ func dfs(n int, k int, start int) {
|
|||
}
|
||||
```
|
||||
|
||||
### javascript
|
||||
### javascript
|
||||
|
||||
剪枝：
|
||||
|
||||
```javascript
|
||||
let result = []
|
||||
let path = []
|
||||
|
|
@ -536,6 +545,7 @@ impl Solution {
|
|||
```
|
||||
|
||||
剪枝
|
||||
|
||||
```Rust
|
||||
impl Solution {
|
||||
fn backtracking(result: &mut Vec<Vec<i32>>, path: &mut Vec<i32>, n: i32, k: i32, start_index: i32) {
|
||||
|
|
@ -561,6 +571,7 @@ impl Solution {
|
|||
```
|
||||
|
||||
### C
|
||||
|
||||
```c
|
||||
int* path;
|
||||
int pathTop;
|
||||
|
|
@ -615,6 +626,7 @@ int** combine(int n, int k, int* returnSize, int** returnColumnSizes){
|
|||
```
|
||||
|
||||
剪枝：
|
||||
|
||||
```c
|
||||
int* path;
|
||||
int pathTop;
|
||||
|
|
@ -701,13 +713,14 @@ func combine(_ n: Int, _ k: Int) -> [[Int]] {
|
|||
### Scala
|
||||
|
||||
暴力:
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
import scala.collection.mutable // 导包
|
||||
def combine(n: Int, k: Int): List[List[Int]] = {
|
||||
var result = mutable.ListBuffer[List[Int]]() // 存放结果集
|
||||
var path = mutable.ListBuffer[Int]() //存放符合条件的结果
|
||||
|
||||
|
||||
def backtracking(n: Int, k: Int, startIndex: Int): Unit = {
|
||||
if (path.size == k) {
|
||||
// 如果path的size == k就达到题目要求，添加到结果集，并返回
|
||||
|
|
@ -720,7 +733,7 @@ object Solution {
|
|||
path = path.take(path.size - 1) // 回溯完再删除掉刚刚添加的数字
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
backtracking(n, k, 1) // 执行回溯
|
||||
result.toList // 最终返回result的List形式，return关键字可以省略
|
||||
}
|
||||
|
|
@ -743,7 +756,7 @@ object Solution {
|
|||
return
|
||||
}
|
||||
// 剪枝优化
|
||||
for (i <- startIndex to (n - (k - path.size) + 1)) {
|
||||
for (i <- startIndex to (n - (k - path.size) + 1)) {
|
||||
path.append(i) // 先把数字添加进去
|
||||
backtracking(n, k, i + 1) // 进行下一步回溯
|
||||
path = path.take(path.size - 1) // 回溯完再删除掉刚刚添加的数字
|
||||
|
|
|
|||
|
|
@ -66,7 +66,7 @@ for (int i = startIndex; i <= n; i++) {
|
|||
|
||||
这么说有点抽象，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
图中每一个节点（图中为矩形），就代表本层的一个for循环，那么每一层的for循环从第二个数开始遍历的话，都没有意义，都是无效遍历。
|
||||
|
|
|
|||
|
|
@ -48,7 +48,7 @@
|
|||
|
||||
以示例中nums = [1,2,3]为例把求子集抽象为树型结构，如下：
|
||||
|
||||
|
||||
|
||||
|
||||
从图中红线部分，可以看出**遍历这个树的时候，把所有节点都记录下来，就是要求的子集集合**。
|
||||
|
||||
|
|
@ -72,7 +72,7 @@ void backtracking(vector<int>& nums, int startIndex) {
|
|||
|
||||
从图中可以看出：
|
||||
|
||||
|
||||
|
||||
|
||||
剩余集合为空的时候，就是叶子节点。
|
||||
|
||||
|
|
|
|||
|
|
@ -42,7 +42,7 @@
|
|||
|
||||
用示例中的[1, 2, 2] 来举例，如图所示： （**注意去重需要先对集合排序**）
|
||||
|
||||
|
||||
|
||||
|
||||
从图中可以看出，同一树层上重复取2 就要过滤掉，同一树枝上就可以重复取2，因为同一树枝上元素的集合才是唯一子集！
|
||||
|
||||
|
|
|
|||
|
|
@ -59,7 +59,8 @@
|
|||
|
||||
切割问题可以抽象为树型结构，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 回溯三部曲
|
||||
|
|
@ -110,7 +111,8 @@ if (pointNum == 3) { // 逗点数量为3时，分隔结束
|
|||
|
||||
如果不合法就结束本层循环，如图中剪掉的分支：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
然后就是递归和回溯的过程：
|
||||
|
||||
|
|
|
|||
|
|
@ -1,9 +1,11 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 96.不同的二叉搜索树
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/unique-binary-search-trees/)
|
||||
|
|
@ -12,7 +14,7 @@
|
|||
|
||||
示例:
|
||||
|
||||
|
||||
|
||||
|
||||
# 算法公开课
|
||||
|
||||
|
|
@ -27,11 +29,11 @@
|
|||
|
||||
了解了二叉搜索树之后，我们应该先举几个例子，画画图，看看有没有什么规律，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
n为1的时候有一棵树，n为2有两棵树，这个是很直观的。
|
||||
|
||||
|
||||
|
||||
|
||||
来看看n为3的时候，有哪几种情况。
|
||||
|
||||
|
|
@ -65,7 +67,7 @@ dp[3]，就是 元素1为头结点搜索树的数量 + 元素2为头结点搜索
|
|||
|
||||
如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
此时我们已经找到递推关系了，那么可以用动规五部曲再系统分析一遍。
|
||||
|
|
@ -118,7 +120,7 @@ for (int i = 1; i <= n; i++) {
|
|||
|
||||
n为5时候的dp数组状态如图：
|
||||
|
||||
|
||||
|
||||
|
||||
当然如果自己画图举例的话，基本举例到n为3就可以了，n为4的时候，画图已经比较麻烦了。
|
||||
|
||||
|
|
@ -168,7 +170,8 @@ public:
|
|||
## 其他语言版本
|
||||
|
||||
|
||||
### Java
|
||||
### Java
|
||||
|
||||
```Java
|
||||
class Solution {
|
||||
public int numTrees(int n) {
|
||||
|
|
@ -190,6 +193,7 @@ class Solution {
|
|||
```
|
||||
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def numTrees(self, n: int) -> int:
|
||||
|
|
@ -202,6 +206,7 @@ class Solution:
|
|||
```
|
||||
|
||||
### Go
|
||||
|
||||
```Go
|
||||
func numTrees(n int)int{
|
||||
dp := make([]int, n+1)
|
||||
|
|
@ -216,6 +221,7 @@ func numTrees(n int)int{
|
|||
```
|
||||
|
||||
### Javascript
|
||||
|
||||
```Javascript
|
||||
const numTrees =(n) => {
|
||||
let dp = new Array(n+1).fill(0);
|
||||
|
|
@ -241,7 +247,7 @@ function numTrees(n: number): number {
|
|||
dp[0]: -1; 无意义；
|
||||
dp[1]: 1;
|
||||
...
|
||||
dp[i]: 2 * dp[i - 1] +
|
||||
dp[i]: 2 * dp[i - 1] +
|
||||
(dp[1] * dp[i - 2] + dp[2] * dp[i - 3] + ... + dp[i - 2] * dp[1]); 从1加到i-2
|
||||
*/
|
||||
const dp: number[] = [];
|
||||
|
|
@ -282,7 +288,7 @@ impl Solution {
|
|||
int *initDP(int n) {
|
||||
int *dp = (int *)malloc(sizeof(int) * (n + 1));
|
||||
int i;
|
||||
for(i = 0; i <= n; ++i)
|
||||
for(i = 0; i <= n; ++i)
|
||||
dp[i] = 0;
|
||||
return dp;
|
||||
}
|
||||
|
|
|
|||
|
|
@ -18,7 +18,7 @@
|
|||
* 节点的右子树只包含大于当前节点的数。
|
||||
* 所有左子树和右子树自身必须也是二叉搜索树。
|
||||
|
||||
|
||||
|
||||
|
||||
# 视频讲解
|
||||
|
||||
|
|
@ -104,7 +104,7 @@ if (root->val > root->left->val && root->val < root->right->val) {
|
|||
|
||||
例如： [10,5,15,null,null,6,20] 这个case：
|
||||
|
||||
|
||||
|
||||
|
||||
节点10大于左节点5，小于右节点15，但右子树里出现了一个6 这就不符合了！
|
||||
|
||||
|
|
|
|||
|
|
@ -11,7 +11,7 @@
|
|||
|
||||
给定一个二叉树，检查它是否是镜像对称的。
|
||||
|
||||
|
||||
|
||||
|
||||
# 思路
|
||||
|
||||
|
|
@ -25,7 +25,7 @@
|
|||
|
||||
比较的是两个子树的里侧和外侧的元素是否相等。如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
那么遍历的顺序应该是什么样的呢？
|
||||
|
||||
|
|
|
|||
|
|
@ -1,9 +1,11 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 二叉树层序遍历登场！
|
||||
|
||||
《代码随想录》算法视频公开课：[讲透二叉树的层序遍历 | 广度优先搜索 | LeetCode：102.二叉树的层序遍历](https://www.bilibili.com/video/BV1GY4y1u7b2)，相信结合视频在看本篇题解，更有助于大家对本题的理解。
|
||||
|
|
@ -35,7 +37,7 @@
|
|||
|
||||
给你一个二叉树，请你返回其按 层序遍历 得到的节点值。 （即逐层地，从左到右访问所有节点）。
|
||||
|
||||
|
||||
|
||||
|
||||
思路：
|
||||
|
||||
|
|
@ -87,6 +89,7 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
```CPP
|
||||
# 递归法
|
||||
class Solution {
|
||||
|
|
@ -108,7 +111,7 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
java:
|
||||
java:
|
||||
|
||||
```Java
|
||||
// 102.二叉树的层序遍历
|
||||
|
|
@ -168,7 +171,6 @@ python3代码：
|
|||
|
||||
|
||||
```python
|
||||
|
||||
class Solution:
|
||||
"""二叉树层序遍历迭代解法"""
|
||||
|
||||
|
|
@ -176,10 +178,10 @@ class Solution:
|
|||
results = []
|
||||
if not root:
|
||||
return results
|
||||
|
||||
|
||||
from collections import deque
|
||||
que = deque([root])
|
||||
|
||||
|
||||
while que:
|
||||
size = len(que)
|
||||
result = []
|
||||
|
|
@ -194,6 +196,7 @@ class Solution:
|
|||
|
||||
return results
|
||||
```
|
||||
|
||||
```python
|
||||
# 递归法
|
||||
class Solution:
|
||||
|
|
@ -209,7 +212,7 @@ class Solution:
|
|||
return res
|
||||
```
|
||||
|
||||
go:
|
||||
go:
|
||||
|
||||
```go
|
||||
/**
|
||||
|
|
@ -252,9 +255,9 @@ func levelOrder(root *TreeNode) [][]int {
|
|||
}
|
||||
queue := list.New()
|
||||
queue.PushBack(root)
|
||||
|
||||
|
||||
var tmpArr []int
|
||||
|
||||
|
||||
for queue.Len() > 0 {
|
||||
length := queue.Len() //保存当前层的长度，然后处理当前层（十分重要，防止添加下层元素影响判断层中元素的个数）
|
||||
for i := 0; i < length; i++ {
|
||||
|
|
@ -270,7 +273,7 @@ func levelOrder(root *TreeNode) [][]int {
|
|||
res = append(res, tmpArr) //放入结果集
|
||||
tmpArr = []int{} //清空层的数据
|
||||
}
|
||||
|
||||
|
||||
return res
|
||||
}
|
||||
|
||||
|
|
@ -279,7 +282,7 @@ func levelOrder(root *TreeNode) [][]int {
|
|||
*/
|
||||
func levelOrder(root *TreeNode) (res [][]int) {
|
||||
if root == nil {
|
||||
return
|
||||
return
|
||||
}
|
||||
|
||||
curLevel := []*TreeNode{root} // 存放当前层节点
|
||||
|
|
@ -318,7 +321,7 @@ var levelOrder = function(root) {
|
|||
while(queue.length !== 0) {
|
||||
// 记录当前层级节点数
|
||||
let length = queue.length;
|
||||
//存放每一层的节点
|
||||
//存放每一层的节点
|
||||
let curLevel = [];
|
||||
for(let i = 0;i < length; i++) {
|
||||
let node = queue.shift();
|
||||
|
|
@ -387,7 +390,9 @@ func levelOrder(_ root: TreeNode?) -> [[Int]] {
|
|||
return result
|
||||
}
|
||||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 102.二叉树的层序遍历
|
||||
object Solution {
|
||||
|
|
@ -455,7 +460,7 @@ impl Solution {
|
|||
|
||||
给定一个二叉树，返回其节点值自底向上的层次遍历。 （即按从叶子节点所在层到根节点所在的层，逐层从左向右遍历）
|
||||
|
||||
|
||||
|
||||
|
||||
思路：
|
||||
|
||||
|
|
@ -488,6 +493,7 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
python代码：
|
||||
|
||||
```python
|
||||
|
|
@ -498,10 +504,10 @@ class Solution:
|
|||
results = []
|
||||
if not root:
|
||||
return results
|
||||
|
||||
|
||||
from collections import deque
|
||||
que = deque([root])
|
||||
|
||||
|
||||
while que:
|
||||
result = []
|
||||
for _ in range(len(que)):
|
||||
|
|
@ -572,7 +578,7 @@ class Solution {
|
|||
public List<List<Integer>> levelOrderBottom(TreeNode root) {
|
||||
// 利用链表可以进行 O(1) 头部插入, 这样最后答案不需要再反转
|
||||
LinkedList<List<Integer>> ans = new LinkedList<>();
|
||||
|
||||
|
||||
Queue<TreeNode> q = new LinkedList<>();
|
||||
|
||||
if (root != null) q.offer(root);
|
||||
|
|
@ -584,9 +590,9 @@ class Solution {
|
|||
|
||||
for (int i = 0; i < size; i ++) {
|
||||
TreeNode node = q.poll();
|
||||
|
||||
|
||||
temp.add(node.val);
|
||||
|
||||
|
||||
if (node.left != null) q.offer(node.left);
|
||||
|
||||
if (node.right != null) q.offer(node.right);
|
||||
|
|
@ -616,7 +622,7 @@ func levelOrderBottom(root *TreeNode) [][]int {
|
|||
return res
|
||||
}
|
||||
queue.PushBack(root)
|
||||
|
||||
|
||||
for queue.Len() > 0 {
|
||||
length := queue.Len()
|
||||
tmp := []int{}
|
||||
|
|
@ -632,12 +638,12 @@ func levelOrderBottom(root *TreeNode) [][]int {
|
|||
}
|
||||
res=append(res, tmp)
|
||||
}
|
||||
|
||||
|
||||
//反转结果集
|
||||
for i:=0; i<len(res)/2; i++ {
|
||||
res[i], res[len(res)-i-1] = res[len(res)-i-1], res[i]
|
||||
}
|
||||
|
||||
|
||||
return res
|
||||
}
|
||||
```
|
||||
|
|
@ -719,6 +725,7 @@ func levelOrderBottom(_ root: TreeNode?) -> [[Int]] {
|
|||
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 107.二叉树的层次遍历II
|
||||
object Solution {
|
||||
|
|
@ -781,7 +788,7 @@ impl Solution {
|
|||
|
||||
给定一棵二叉树，想象自己站在它的右侧，按照从顶部到底部的顺序，返回从右侧所能看到的节点值。
|
||||
|
||||
|
||||
|
||||
|
||||
思路：
|
||||
|
||||
|
|
@ -810,6 +817,7 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
python代码：
|
||||
|
||||
```python
|
||||
|
|
@ -817,7 +825,7 @@ class Solution:
|
|||
def rightSideView(self, root: TreeNode) -> List[int]:
|
||||
if not root:
|
||||
return []
|
||||
|
||||
|
||||
# deque来自collections模块，不在力扣平台时，需要手动写入
|
||||
# 'from collections import deque' 导入
|
||||
# deque相比list的好处是，list的pop(0)是O(n)复杂度，deque的popleft()是O(1)复杂度
|
||||
|
|
@ -837,15 +845,15 @@ class Solution:
|
|||
quene.append(node.left)
|
||||
if node.right:
|
||||
quene.append(node.right)
|
||||
|
||||
|
||||
return out_list
|
||||
|
||||
|
||||
# 执行用时：36 ms, 在所有 Python3 提交中击败了89.47%的用户
|
||||
# 内存消耗：14.6 MB, 在所有 Python3 提交中击败了96.65%的用户
|
||||
```
|
||||
|
||||
|
||||
Java:
|
||||
Java:
|
||||
|
||||
```java
|
||||
// 199.二叉树的右视图
|
||||
|
|
@ -889,10 +897,9 @@ public class N0199 {
|
|||
}
|
||||
```
|
||||
|
||||
go:
|
||||
go:
|
||||
|
||||
```GO
|
||||
|
||||
/**
|
||||
199. 二叉树的右视图
|
||||
*/
|
||||
|
|
@ -932,7 +939,7 @@ var rightSideView = function(root) {
|
|||
//二叉树右视图 只需要把每一层最后一个节点存储到res数组
|
||||
let res = [], queue = [];
|
||||
queue.push(root);
|
||||
|
||||
|
||||
while(queue.length && root!==null) {
|
||||
// 记录当前层级节点个数
|
||||
let length = queue.length;
|
||||
|
|
@ -946,7 +953,7 @@ var rightSideView = function(root) {
|
|||
node.right && queue.push(node.right);
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return res;
|
||||
};
|
||||
```
|
||||
|
|
@ -997,6 +1004,7 @@ func rightSideView(_ root: TreeNode?) -> [Int] {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 199.二叉树的右视图
|
||||
object Solution {
|
||||
|
|
@ -1060,7 +1068,7 @@ impl Solution {
|
|||
|
||||
给定一个非空二叉树, 返回一个由每层节点平均值组成的数组。
|
||||
|
||||
|
||||
|
||||
|
||||
思路:
|
||||
|
||||
|
|
@ -1103,10 +1111,10 @@ class Solution:
|
|||
results = []
|
||||
if not root:
|
||||
return results
|
||||
|
||||
|
||||
from collections import deque
|
||||
que = deque([root])
|
||||
|
||||
|
||||
while que:
|
||||
size = len(que)
|
||||
sum_ = 0
|
||||
|
|
@ -1124,8 +1132,7 @@ class Solution:
|
|||
|
||||
java:
|
||||
|
||||
```java
|
||||
|
||||
```java
|
||||
// 637. 二叉树的层平均值
|
||||
public class N0637 {
|
||||
|
||||
|
|
@ -1210,7 +1217,7 @@ var averageOfLevels = function(root) {
|
|||
//层级平均值
|
||||
let res = [], queue = [];
|
||||
queue.push(root);
|
||||
|
||||
|
||||
while(queue.length && root!==null) {
|
||||
//每一层节点个数
|
||||
let length = queue.length;
|
||||
|
|
@ -1225,7 +1232,7 @@ var averageOfLevels = function(root) {
|
|||
//每一层的平均值存入数组res
|
||||
res.push(sum/length);
|
||||
}
|
||||
|
||||
|
||||
return res;
|
||||
};
|
||||
```
|
||||
|
|
@ -1280,7 +1287,9 @@ func averageOfLevels(_ root: TreeNode?) -> [Double] {
|
|||
return result
|
||||
}
|
||||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 637.二叉树的层平均值
|
||||
object Solution {
|
||||
|
|
@ -1346,7 +1355,7 @@ impl Solution {
|
|||
|
||||
例如，给定一个 3叉树 :
|
||||
|
||||
|
||||
|
||||
|
||||
返回其层序遍历:
|
||||
|
||||
|
|
@ -1399,10 +1408,10 @@ class Solution:
|
|||
results = []
|
||||
if not root:
|
||||
return results
|
||||
|
||||
|
||||
from collections import deque
|
||||
que = deque([root])
|
||||
|
||||
|
||||
while que:
|
||||
result = []
|
||||
for _ in range(len(que)):
|
||||
|
|
@ -1426,16 +1435,16 @@ class Solution:
|
|||
def traversal(root,depth):
|
||||
if len(result)==depth:result.append([])
|
||||
result[depth].append(root.val)
|
||||
if root.children:
|
||||
if root.children:
|
||||
for i in range(len(root.children)):traversal(root.children[i],depth+1)
|
||||
|
||||
|
||||
traversal(root,0)
|
||||
return result
|
||||
return result
|
||||
```
|
||||
|
||||
java:
|
||||
|
||||
```java
|
||||
|
||||
```java
|
||||
// 429. N 叉树的层序遍历
|
||||
public class N0429 {
|
||||
/**
|
||||
|
|
@ -1520,7 +1529,7 @@ func levelOrder(root *Node) [][]int {
|
|||
}
|
||||
res = append(res, tmp)
|
||||
}
|
||||
|
||||
|
||||
return res
|
||||
}
|
||||
```
|
||||
|
|
@ -1532,7 +1541,7 @@ var levelOrder = function(root) {
|
|||
//每一层可能有2个以上,所以不再使用node.left node.right
|
||||
let res = [], queue = [];
|
||||
queue.push(root);
|
||||
|
||||
|
||||
while(queue.length && root!==null) {
|
||||
//记录每一层节点个数还是和二叉树一致
|
||||
let length = queue.length;
|
||||
|
|
@ -1541,7 +1550,7 @@ var levelOrder = function(root) {
|
|||
while(length--) {
|
||||
let node = queue.shift();
|
||||
curLevel.push(node.val);
|
||||
|
||||
|
||||
//这里不再是 ndoe.left node.right 而是循坏node.children
|
||||
for(let item of node.children){
|
||||
item && queue.push(item);
|
||||
|
|
@ -1549,7 +1558,7 @@ var levelOrder = function(root) {
|
|||
}
|
||||
res.push(curLevel);
|
||||
}
|
||||
|
||||
|
||||
return res;
|
||||
};
|
||||
```
|
||||
|
|
@ -1602,6 +1611,7 @@ func levelOrder(_ root: Node?) -> [[Int]] {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 429.N叉树的层序遍历
|
||||
object Solution {
|
||||
|
|
@ -1683,7 +1693,7 @@ impl Solution {
|
|||
|
||||
您需要在二叉树的每一行中找到最大的值。
|
||||
|
||||
|
||||
|
||||
|
||||
思路：
|
||||
|
||||
|
|
@ -1714,6 +1724,7 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
python代码：
|
||||
|
||||
```python
|
||||
|
|
@ -1734,6 +1745,7 @@ class Solution:
|
|||
out_list.append(max(in_list))
|
||||
return out_list
|
||||
```
|
||||
|
||||
java代码：
|
||||
|
||||
```java
|
||||
|
|
@ -1754,7 +1766,7 @@ class Solution {
|
|||
if(node.right != null) queue.offer(node.right);
|
||||
}
|
||||
result.add(max);
|
||||
}
|
||||
}
|
||||
return result;
|
||||
}
|
||||
}
|
||||
|
|
@ -1811,8 +1823,8 @@ var largestValues = function(root) {
|
|||
//使用层序遍历
|
||||
let res = [], queue = [];
|
||||
queue.push(root);
|
||||
|
||||
while(root !== null && queue.length) {
|
||||
|
||||
while(root !== null && queue.length) {
|
||||
//设置max初始值就是队列的第一个元素
|
||||
let max = queue[0].val;
|
||||
let length = queue.length;
|
||||
|
|
@ -1825,7 +1837,7 @@ var largestValues = function(root) {
|
|||
//把每一层的最大值放到res数组
|
||||
res.push(max);
|
||||
}
|
||||
|
||||
|
||||
return res;
|
||||
};
|
||||
```
|
||||
|
|
@ -1884,6 +1896,7 @@ func largestValues(_ root: TreeNode?) -> [Int] {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 515.在每个树行中找最大值
|
||||
object Solution {
|
||||
|
|
@ -1959,9 +1972,9 @@ struct Node {
|
|||
|
||||
填充它的每个 next 指针，让这个指针指向其下一个右侧节点。如果找不到下一个右侧节点，则将 next 指针设置为 NULL。
|
||||
|
||||
初始状态下，所有 next 指针都被设置为 NULL。
|
||||
初始状态下，所有 next 指针都被设置为 NULL。
|
||||
|
||||
|
||||
|
||||
|
||||
思路:
|
||||
|
||||
|
|
@ -2009,24 +2022,24 @@ class Solution {
|
|||
public Node connect(Node root) {
|
||||
Queue<Node> tmpQueue = new LinkedList<Node>();
|
||||
if (root != null) tmpQueue.add(root);
|
||||
|
||||
|
||||
while (tmpQueue.size() != 0){
|
||||
int size = tmpQueue.size();
|
||||
|
||||
|
||||
Node cur = tmpQueue.poll();
|
||||
if (cur.left != null) tmpQueue.add(cur.left);
|
||||
if (cur.right != null) tmpQueue.add(cur.right);
|
||||
|
||||
|
||||
for (int index = 1; index < size; index++){
|
||||
Node next = tmpQueue.poll();
|
||||
if (next.left != null) tmpQueue.add(next.left);
|
||||
if (next.right != null) tmpQueue.add(next.right);
|
||||
|
||||
|
||||
cur.next = next;
|
||||
cur = next;
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return root;
|
||||
}
|
||||
}
|
||||
|
|
@ -2067,6 +2080,7 @@ class Solution:
|
|||
first = first.left # 从本层扩展到下一层
|
||||
return root
|
||||
```
|
||||
|
||||
go:
|
||||
|
||||
```GO
|
||||
|
|
@ -2108,8 +2122,8 @@ func connect(root *Node) *Node {
|
|||
```
|
||||
|
||||
JavaScript:
|
||||
```javascript
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* // Definition for a Node.
|
||||
* function Node(val, left, right, next) {
|
||||
|
|
@ -2142,6 +2156,7 @@ var connect = function(root) {
|
|||
};
|
||||
|
||||
```
|
||||
|
||||
TypeScript:
|
||||
|
||||
```typescript
|
||||
|
|
@ -2200,6 +2215,7 @@ func connect(_ root: Node?) -> Node? {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 116.填充每个节点的下一个右侧节点指针
|
||||
object Solution {
|
||||
|
|
@ -2228,6 +2244,7 @@ object Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
# 117.填充每个节点的下一个右侧节点指针II
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/populating-next-right-pointers-in-each-node-ii/)
|
||||
|
|
@ -2284,7 +2301,7 @@ class Solution {
|
|||
int size = queue.size();
|
||||
Node node = null;
|
||||
Node nodePre = null;
|
||||
|
||||
|
||||
for (int i = 0; i < size; i++) {
|
||||
if (i == 0) {
|
||||
nodePre = queue.poll(); // 取出本层头一个节点
|
||||
|
|
@ -2307,6 +2324,7 @@ class Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
python代码：
|
||||
|
||||
```python
|
||||
|
|
@ -2329,6 +2347,7 @@ class Solution:
|
|||
return root
|
||||
|
||||
```
|
||||
|
||||
go:
|
||||
|
||||
```GO
|
||||
|
|
@ -2369,6 +2388,7 @@ func connect(root *Node) *Node {
|
|||
```
|
||||
|
||||
JavaScript:
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* // Definition for a Node.
|
||||
|
|
@ -2401,6 +2421,7 @@ var connect = function(root) {
|
|||
return root;
|
||||
};
|
||||
```
|
||||
|
||||
TypeScript:
|
||||
|
||||
```typescript
|
||||
|
|
@ -2459,6 +2480,7 @@ func connect(_ root: Node?) -> Node? {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 117.填充每个节点的下一个右侧节点指针II
|
||||
object Solution {
|
||||
|
|
@ -2487,6 +2509,7 @@ object Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
# 104.二叉树的最大深度
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/maximum-depth-of-binary-tree/)
|
||||
|
|
@ -2501,7 +2524,7 @@ object Solution {
|
|||
|
||||
给定二叉树 [3,9,20,null,null,15,7]，
|
||||
|
||||
|
||||
|
||||
|
||||
返回它的最大深度 3 。
|
||||
|
||||
|
|
@ -2511,7 +2534,7 @@ object Solution {
|
|||
|
||||
在二叉树中，一层一层的来遍历二叉树，记录一下遍历的层数就是二叉树的深度，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
所以这道题的迭代法就是一道模板题，可以使用二叉树层序遍历的模板来解决的。
|
||||
|
||||
|
|
@ -2540,7 +2563,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
Java：
|
||||
Java：
|
||||
|
||||
```Java
|
||||
class Solution {
|
||||
public int maxDepth(TreeNode root) {
|
||||
|
|
@ -2566,12 +2590,13 @@ class Solution {
|
|||
```
|
||||
|
||||
Python：
|
||||
|
||||
```python 3
|
||||
class Solution:
|
||||
def maxDepth(self, root: TreeNode) -> int:
|
||||
if root == None:
|
||||
return 0
|
||||
|
||||
|
||||
queue_ = [root]
|
||||
depth = 0
|
||||
while queue_:
|
||||
|
|
@ -2583,7 +2608,7 @@ class Solution:
|
|||
if cur.left: queue_.append(cur.left)
|
||||
if cur.right: queue_.append(cur.right)
|
||||
depth += 1
|
||||
|
||||
|
||||
return depth
|
||||
```
|
||||
|
||||
|
|
@ -2623,6 +2648,7 @@ func maxDepth(root *TreeNode) int {
|
|||
```
|
||||
|
||||
JavaScript：
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* Definition for a binary tree node.
|
||||
|
|
@ -2700,6 +2726,7 @@ func maxDepth(_ root: TreeNode?) -> Int {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 104.二叉树的最大深度
|
||||
object Solution {
|
||||
|
|
@ -2789,7 +2816,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
Java：
|
||||
Java：
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
public int minDepth(TreeNode root){
|
||||
|
|
@ -2838,7 +2866,7 @@ class Solution:
|
|||
queue_ = [(root,1)]
|
||||
while queue_:
|
||||
cur, depth = queue_.pop(0)
|
||||
|
||||
|
||||
if cur.left == None and cur.right == None:
|
||||
return depth
|
||||
#先左子节点，由于左子节点没有孩子，则就是这一层了
|
||||
|
|
@ -2884,12 +2912,13 @@ func minDepth(root *TreeNode) int {
|
|||
}
|
||||
ans++//记录层数
|
||||
}
|
||||
|
||||
|
||||
return ans+1
|
||||
}
|
||||
```
|
||||
|
||||
JavaScript：
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* Definition for a binary tree node.
|
||||
|
|
@ -2972,6 +3001,7 @@ func minDepth(_ root: TreeNode?) -> Int {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
// 111.二叉树的最小深度
|
||||
object Solution {
|
||||
|
|
|
|||
|
|
@ -18,7 +18,8 @@
|
|||
示例：
|
||||
给定二叉树 [3,9,20,null,null,15,7]，
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
返回它的最大深度 3 。
|
||||
|
||||
|
|
@ -49,7 +50,7 @@
|
|||
|
||||
代码如下：
|
||||
```CPP
|
||||
int getdepth(treenode* node)
|
||||
int getdepth(TreeNode* node)
|
||||
```
|
||||
|
||||
2. 确定终止条件：如果为空节点的话，就返回0，表示高度为0。
|
||||
|
|
@ -75,14 +76,14 @@ return depth;
|
|||
```CPP
|
||||
class solution {
|
||||
public:
|
||||
int getdepth(treenode* node) {
|
||||
int getdepth(TreeNode* node) {
|
||||
if (node == NULL) return 0;
|
||||
int leftdepth = getdepth(node->left); // 左
|
||||
int rightdepth = getdepth(node->right); // 右
|
||||
int depth = 1 + max(leftdepth, rightdepth); // 中
|
||||
return depth;
|
||||
}
|
||||
int maxdepth(treenode* root) {
|
||||
int maxDepth(TreeNode* root) {
|
||||
return getdepth(root);
|
||||
}
|
||||
};
|
||||
|
|
@ -92,9 +93,9 @@ public:
|
|||
```CPP
|
||||
class solution {
|
||||
public:
|
||||
int maxdepth(treenode* root) {
|
||||
int maxDepth(TreeNode* root) {
|
||||
if (root == null) return 0;
|
||||
return 1 + max(maxdepth(root->left), maxdepth(root->right));
|
||||
return 1 + max(maxDepth(root->left), maxDepth(root->right));
|
||||
}
|
||||
};
|
||||
|
||||
|
|
@ -109,7 +110,7 @@ public:
|
|||
class solution {
|
||||
public:
|
||||
int result;
|
||||
void getdepth(treenode* node, int depth) {
|
||||
void getdepth(TreeNode* node, int depth) {
|
||||
result = depth > result ? depth : result; // 中
|
||||
|
||||
if (node->left == NULL && node->right == NULL) return ;
|
||||
|
|
@ -126,7 +127,7 @@ public:
|
|||
}
|
||||
return ;
|
||||
}
|
||||
int maxdepth(treenode* root) {
|
||||
int maxDepth(TreeNode* root) {
|
||||
result = 0;
|
||||
if (root == NULL) return result;
|
||||
getdepth(root, 1);
|
||||
|
|
@ -143,7 +144,7 @@ public:
|
|||
class solution {
|
||||
public:
|
||||
int result;
|
||||
void getdepth(treenode* node, int depth) {
|
||||
void getdepth(TreeNode* node, int depth) {
|
||||
result = depth > result ? depth : result; // 中
|
||||
if (node->left == NULL && node->right == NULL) return ;
|
||||
if (node->left) { // 左
|
||||
|
|
@ -154,7 +155,7 @@ public:
|
|||
}
|
||||
return ;
|
||||
}
|
||||
int maxdepth(treenode* root) {
|
||||
int maxDepth(TreeNode* root) {
|
||||
result = 0;
|
||||
if (root == 0) return result;
|
||||
getdepth(root, 1);
|
||||
|
|
@ -169,7 +170,8 @@ public:
|
|||
|
||||
在二叉树中，一层一层的来遍历二叉树，记录一下遍历的层数就是二叉树的深度，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
所以这道题的迭代法就是一道模板题，可以使用二叉树层序遍历的模板来解决的。
|
||||
|
||||
|
|
@ -180,16 +182,16 @@ c++代码如下：
|
|||
```CPP
|
||||
class solution {
|
||||
public:
|
||||
int maxdepth(treenode* root) {
|
||||
int maxDepth(TreeNode* root) {
|
||||
if (root == NULL) return 0;
|
||||
int depth = 0;
|
||||
queue<treenode*> que;
|
||||
queue<TreeNode*> que;
|
||||
que.push(root);
|
||||
while(!que.empty()) {
|
||||
int size = que.size();
|
||||
depth++; // 记录深度
|
||||
for (int i = 0; i < size; i++) {
|
||||
treenode* node = que.front();
|
||||
TreeNode* node = que.front();
|
||||
que.pop();
|
||||
if (node->left) que.push(node->left);
|
||||
if (node->right) que.push(node->right);
|
||||
|
|
@ -213,7 +215,7 @@ public:
|
|||
|
||||
例如，给定一个 3叉树 :
|
||||
|
||||
|
||||
|
||||
|
||||
我们应返回其最大深度，3。
|
||||
|
||||
|
|
@ -228,11 +230,11 @@ c++代码：
|
|||
```CPP
|
||||
class solution {
|
||||
public:
|
||||
int maxdepth(node* root) {
|
||||
int maxDepth(Node* root) {
|
||||
if (root == 0) return 0;
|
||||
int depth = 0;
|
||||
for (int i = 0; i < root->children.size(); i++) {
|
||||
depth = max (depth, maxdepth(root->children[i]));
|
||||
depth = max (depth, maxDepth(root->children[i]));
|
||||
}
|
||||
return depth + 1;
|
||||
}
|
||||
|
|
@ -245,15 +247,15 @@ public:
|
|||
```CPP
|
||||
class solution {
|
||||
public:
|
||||
int maxdepth(node* root) {
|
||||
queue<node*> que;
|
||||
int maxDepth(Node* root) {
|
||||
queue<Node*> que;
|
||||
if (root != NULL) que.push(root);
|
||||
int depth = 0;
|
||||
while (!que.empty()) {
|
||||
int size = que.size();
|
||||
depth++; // 记录深度
|
||||
for (int i = 0; i < size; i++) {
|
||||
node* node = que.front();
|
||||
Node* node = que.front();
|
||||
que.pop();
|
||||
for (int j = 0; j < node->children.size(); j++) {
|
||||
if (node->children[j]) que.push(node->children[j]);
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,6 +6,7 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
看完本文，可以一起解决如下两道题目
|
||||
|
||||
* 106.从中序与后序遍历序列构造二叉树
|
||||
|
|
@ -21,11 +23,11 @@
|
|||
|
||||
例如，给出
|
||||
|
||||
* 中序遍历 inorder = [9,3,15,20,7]
|
||||
* 中序遍历 inorder = [9,3,15,20,7]
|
||||
* 后序遍历 postorder = [9,15,7,20,3]
|
||||
返回如下的二叉树：
|
||||
返回如下的二叉树：
|
||||
|
||||
|
||||
|
||||
|
||||
# 视频讲解
|
||||
|
||||
|
|
@ -40,7 +42,7 @@
|
|||
|
||||
流程如图：
|
||||
|
||||
|
||||
|
||||
|
||||
那么代码应该怎么写呢？
|
||||
|
||||
|
|
@ -280,6 +282,7 @@ public:
|
|||
下面给出用下标索引写出的代码版本：（思路是一样的，只不过不用重复定义vector了，每次用下标索引来分割）
|
||||
|
||||
### C++优化版本
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
private:
|
||||
|
|
@ -397,7 +400,7 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
## Python
|
||||
## Python
|
||||
|
||||
|
||||
# 105.从前序与中序遍历序列构造二叉树
|
||||
|
|
@ -411,11 +414,11 @@ public:
|
|||
|
||||
例如，给出
|
||||
|
||||
前序遍历 preorder = [3,9,20,15,7]
|
||||
前序遍历 preorder = [3,9,20,15,7]
|
||||
中序遍历 inorder = [9,3,15,20,7]
|
||||
返回如下的二叉树：
|
||||
|
||||
|
||||
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -558,7 +561,7 @@ public:
|
|||
|
||||
举一个例子：
|
||||
|
||||
|
||||
|
||||
|
||||
tree1 的前序遍历是[1 2 3]， 后序遍历是[3 2 1]。
|
||||
|
||||
|
|
@ -601,7 +604,7 @@ class Solution {
|
|||
|
||||
return findNode(inorder, 0, inorder.length, postorder,0, postorder.length); // 前闭后开
|
||||
}
|
||||
|
||||
|
||||
public TreeNode findNode(int[] inorder, int inBegin, int inEnd, int[] postorder, int postBegin, int postEnd) {
|
||||
// 参数里的范围都是前闭后开
|
||||
if (inBegin >= inEnd || postBegin >= postEnd) { // 不满足左闭右开，说明没有元素，返回空树
|
||||
|
|
@ -642,7 +645,7 @@ class Solution {
|
|||
int rootIndex = map.get(preorder[preBegin]); // 找到前序遍历的第一个元素在中序遍历中的位置
|
||||
TreeNode root = new TreeNode(inorder[rootIndex]); // 构造结点
|
||||
int lenOfLeft = rootIndex - inBegin; // 保存中序左子树个数，用来确定前序数列的个数
|
||||
root.left = findNode(preorder, preBegin + 1, preBegin + lenOfLeft + 1,
|
||||
root.left = findNode(preorder, preBegin + 1, preBegin + lenOfLeft + 1,
|
||||
inorder, inBegin, rootIndex);
|
||||
root.right = findNode(preorder, preBegin + lenOfLeft + 1, preEnd,
|
||||
inorder, rootIndex + 1, inEnd);
|
||||
|
|
@ -652,18 +655,19 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
## Python
|
||||
## Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def buildTree(self, inorder: List[int], postorder: List[int]) -> Optional[TreeNode]:
|
||||
# 第一步: 特殊情况讨论: 树为空. 或者说是递归终止条件
|
||||
if not postorder:
|
||||
return
|
||||
return
|
||||
|
||||
# 第二步: 后序遍历的最后一个就是当前的中间节点
|
||||
root_val = postorder[-1]
|
||||
root = TreeNode(root_val)
|
||||
|
||||
|
||||
# 第三步: 找切割点.
|
||||
root_index = inorder.index(root_val)
|
||||
|
||||
|
|
@ -672,7 +676,7 @@ class Solution:
|
|||
right_inorder = inorder[root_index + 1:]
|
||||
|
||||
# 第五步: 切割postorder数组. 得到postorder数组的左,右半边.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟后序数组大小是相同的.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟后序数组大小是相同的.
|
||||
left_postorder = postorder[:len(left_inorder)]
|
||||
right_postorder = postorder[len(left_inorder): len(postorder) - 1]
|
||||
|
||||
|
|
@ -682,7 +686,7 @@ class Solution:
|
|||
root.right = self.buildTree(right_inorder, right_postorder)
|
||||
|
||||
# 第七步: 返回答案
|
||||
return root
|
||||
return root
|
||||
```
|
||||
|
||||
105.从前序与中序遍历序列构造二叉树
|
||||
|
|
@ -691,22 +695,22 @@ class Solution:
|
|||
class Solution:
|
||||
def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
|
||||
# 第一步: 特殊情况讨论: 树为空. 或者说是递归终止条件
|
||||
if not preorder:
|
||||
if not preorder:
|
||||
return None
|
||||
|
||||
# 第二步: 前序遍历的第一个就是当前的中间节点.
|
||||
# 第二步: 前序遍历的第一个就是当前的中间节点.
|
||||
root_val = preorder[0]
|
||||
root = TreeNode(root_val)
|
||||
|
||||
# 第三步: 找切割点.
|
||||
# 第三步: 找切割点.
|
||||
separator_idx = inorder.index(root_val)
|
||||
|
||||
# 第四步: 切割inorder数组. 得到inorder数组的左,右半边.
|
||||
# 第四步: 切割inorder数组. 得到inorder数组的左,右半边.
|
||||
inorder_left = inorder[:separator_idx]
|
||||
inorder_right = inorder[separator_idx + 1:]
|
||||
|
||||
# 第五步: 切割preorder数组. 得到preorder数组的左,右半边.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟前序数组大小是相同的.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟前序数组大小是相同的.
|
||||
preorder_left = preorder[1:1 + len(inorder_left)]
|
||||
preorder_right = preorder[1 + len(inorder_left):]
|
||||
|
||||
|
|
@ -723,22 +727,22 @@ class Solution:
|
|||
class Solution:
|
||||
def buildTree(self, inorder: List[int], postorder: List[int]) -> TreeNode:
|
||||
# 第一步: 特殊情况讨论: 树为空. (递归终止条件)
|
||||
if not postorder:
|
||||
if not postorder:
|
||||
return None
|
||||
|
||||
# 第二步: 后序遍历的最后一个就是当前的中间节点.
|
||||
# 第二步: 后序遍历的最后一个就是当前的中间节点.
|
||||
root_val = postorder[-1]
|
||||
root = TreeNode(root_val)
|
||||
|
||||
# 第三步: 找切割点.
|
||||
# 第三步: 找切割点.
|
||||
separator_idx = inorder.index(root_val)
|
||||
|
||||
# 第四步: 切割inorder数组. 得到inorder数组的左,右半边.
|
||||
# 第四步: 切割inorder数组. 得到inorder数组的左,右半边.
|
||||
inorder_left = inorder[:separator_idx]
|
||||
inorder_right = inorder[separator_idx + 1:]
|
||||
|
||||
# 第五步: 切割postorder数组. 得到postorder数组的左,右半边.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟后序数组大小是相同的.
|
||||
# ⭐️ 重点1: 中序数组大小一定跟后序数组大小是相同的.
|
||||
postorder_left = postorder[:len(inorder_left)]
|
||||
postorder_right = postorder[len(inorder_left): len(postorder) - 1]
|
||||
|
||||
|
|
@ -746,7 +750,7 @@ class Solution:
|
|||
root.left = self.buildTree(inorder_left, postorder_left)
|
||||
root.right = self.buildTree(inorder_right, postorder_right)
|
||||
|
||||
return root
|
||||
return root
|
||||
```
|
||||
|
||||
## Go
|
||||
|
|
@ -786,7 +790,7 @@ func rebuild(inorder []int, postorder []int, rootIdx int, l, r int) *TreeNode {
|
|||
rootIn := hash[rootV] // 找到根节点在对应的中序数组中的位置
|
||||
root := &TreeNode{Val : rootV} // 构造根节点
|
||||
// 重建左节点和右节点
|
||||
root.Left = rebuild(inorder, postorder, rootIdx-(r-rootIn)-1, l, rootIn-1)
|
||||
root.Left = rebuild(inorder, postorder, rootIdx-(r-rootIn)-1, l, rootIn-1)
|
||||
root.Right = rebuild(inorder, postorder, rootIdx-1, rootIn+1, r)
|
||||
return root
|
||||
}
|
||||
|
|
@ -830,7 +834,7 @@ func build(pre []int, in []int, root int, l, r int) *TreeNode {
|
|||
|
||||
|
||||
|
||||
## JavaScript
|
||||
## JavaScript
|
||||
|
||||
```javascript
|
||||
var buildTree = function(inorder, postorder) {
|
||||
|
|
@ -1031,7 +1035,7 @@ struct TreeNode* buildTree(int* preorder, int preorderSize, int* inorder, int in
|
|||
|
||||
// 4.根据中序遍历数组左右数组的各子大小切割前序遍历数组。也分为左右数组
|
||||
int* leftPreorder = preorder+1;
|
||||
int* rightPreorder = preorder + 1 + leftNum;
|
||||
int* rightPreorder = preorder + 1 + leftNum;
|
||||
|
||||
// 5.递归进入左右数组，将返回的结果作为根结点的左右孩子
|
||||
root->left = buildTree(leftPreorder, leftNum, leftInorder, leftNum);
|
||||
|
|
@ -1056,26 +1060,26 @@ class Solution {
|
|||
inorderBegin: 0,
|
||||
inorderEnd: inorder.count)
|
||||
}
|
||||
|
||||
|
||||
func helper(preorder: [Int], preorderBegin: Int, preorderEnd: Int, inorder: [Int], inorderBegin: Int, inorderEnd: Int) -> TreeNode? {
|
||||
if preorderBegin == preorderEnd {
|
||||
return nil
|
||||
}
|
||||
|
||||
|
||||
// 前序遍历数组的第一个元素作为分割点
|
||||
let rootValue = preorder[preorderBegin]
|
||||
let root = TreeNode(rootValue)
|
||||
|
||||
|
||||
|
||||
|
||||
if preorderEnd - preorderBegin == 1 {
|
||||
return root
|
||||
}
|
||||
|
||||
|
||||
var index = 0 // 从中序遍历数组中找到根节点的下标
|
||||
if let ind = inorder.firstIndex(of: rootValue) {
|
||||
index = ind
|
||||
}
|
||||
|
||||
|
||||
// 递归
|
||||
root.left = helper(preorder: preorder,
|
||||
preorderBegin: preorderBegin + 1,
|
||||
|
|
@ -1102,28 +1106,28 @@ class Solution_0106 {
|
|||
if postorderEnd - postorderBegin < 1 {
|
||||
return nil
|
||||
}
|
||||
|
||||
|
||||
// 后序遍历数组的最后一个元素作为分割点
|
||||
let rootValue = postorder[postorderEnd - 1]
|
||||
let root = TreeNode(rootValue)
|
||||
|
||||
|
||||
if postorderEnd - postorderBegin == 1 {
|
||||
return root
|
||||
}
|
||||
|
||||
|
||||
// 从中序遍历数组中找到根节点的下标
|
||||
var delimiterIndex = 0
|
||||
if let index = inorder.firstIndex(of: rootValue) {
|
||||
delimiterIndex = index
|
||||
}
|
||||
|
||||
|
||||
root.left = buildTree(inorder: inorder,
|
||||
inorderBegin: inorderBegin,
|
||||
inorderEnd: delimiterIndex,
|
||||
postorder: postorder,
|
||||
postorderBegin: postorderBegin,
|
||||
postorderEnd: postorderBegin + (delimiterIndex - inorderBegin))
|
||||
|
||||
|
||||
root.right = buildTree(inorder: inorder,
|
||||
inorderBegin: delimiterIndex + 1,
|
||||
inorderEnd: inorderEnd,
|
||||
|
|
|
|||
|
|
@ -17,7 +17,8 @@
|
|||
|
||||
示例:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# 算法公开课
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,6 +6,7 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
> 求高度还是求深度，你搞懂了不？
|
||||
|
||||
# 110.平衡二叉树
|
||||
|
|
@ -13,13 +15,13 @@
|
|||
|
||||
给定一个二叉树，判断它是否是高度平衡的二叉树。
|
||||
|
||||
本题中，一棵高度平衡二叉树定义为：一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过1。
|
||||
本题中，一棵高度平衡二叉树定义为：一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过1。
|
||||
|
||||
示例 1:
|
||||
|
||||
给定二叉树 [3,9,20,null,null,15,7]
|
||||
|
||||
|
||||
|
||||
|
||||
返回 true 。
|
||||
|
||||
|
|
@ -27,7 +29,7 @@
|
|||
|
||||
给定二叉树 [1,2,2,3,3,null,null,4,4]
|
||||
|
||||
|
||||
|
||||
|
||||
返回 false 。
|
||||
|
||||
|
|
@ -45,7 +47,7 @@
|
|||
|
||||
但leetcode中强调的深度和高度很明显是按照节点来计算的，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
关于根节点的深度究竟是1 还是 0，不同的地方有不一样的标准，leetcode的题目中都是以节点为一度，即根节点深度是1。但维基百科上定义用边为一度，即根节点的深度是0，我们暂时以leetcode为准（毕竟要在这上面刷题）。
|
||||
|
||||
|
|
@ -125,7 +127,7 @@ public:
|
|||
|
||||
1. 明确递归函数的参数和返回值
|
||||
|
||||
参数：当前传入节点。
|
||||
参数：当前传入节点。
|
||||
返回值：以当前传入节点为根节点的树的高度。
|
||||
|
||||
那么如何标记左右子树是否差值大于1呢？
|
||||
|
|
@ -496,9 +498,10 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
递归法：
|
||||
|
||||
```python
|
||||
# Definition for a binary tree node.
|
||||
# class TreeNode:
|
||||
|
|
@ -512,7 +515,7 @@ class Solution:
|
|||
return True
|
||||
else:
|
||||
return False
|
||||
|
||||
|
||||
def get_height(self, root: TreeNode) -> int:
|
||||
# Base Case
|
||||
if not root:
|
||||
|
|
@ -531,6 +534,7 @@ class Solution:
|
|||
```
|
||||
|
||||
迭代法：
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def isBalanced(self, root: Optional[TreeNode]) -> bool:
|
||||
|
|
@ -557,9 +561,10 @@ class Solution:
|
|||
|
||||
|
||||
### Go
|
||||
|
||||
```Go
|
||||
func isBalanced(root *TreeNode) bool {
|
||||
h := getHeight(root)
|
||||
h := getHeight(root)
|
||||
if h == -1 {
|
||||
return false
|
||||
}
|
||||
|
|
@ -588,7 +593,9 @@ func max(a, b int) int {
|
|||
```
|
||||
|
||||
### JavaScript
|
||||
递归法：
|
||||
|
||||
递归法：
|
||||
|
||||
```javascript
|
||||
var isBalanced = function(root) {
|
||||
//还是用递归三部曲 + 后序遍历 左右中 当前左子树右子树高度相差大于1就返回-1
|
||||
|
|
@ -614,6 +621,7 @@ var isBalanced = function(root) {
|
|||
```
|
||||
|
||||
迭代法：
|
||||
|
||||
```javascript
|
||||
// 获取当前节点的高度
|
||||
var getHeight = function (curNode) {
|
||||
|
|
@ -644,7 +652,7 @@ var isBalanced = function (root) {
|
|||
let queue = [root];
|
||||
while (queue.length) {
|
||||
let node = queue[queue.length - 1]; // 取出栈顶
|
||||
queue.pop();
|
||||
queue.pop();
|
||||
if (Math.abs(getHeight(node.left) - getHeight(node.right)) > 1) {
|
||||
return false;
|
||||
}
|
||||
|
|
@ -676,6 +684,7 @@ function isBalanced(root: TreeNode | null): boolean {
|
|||
### C
|
||||
|
||||
递归法：
|
||||
|
||||
```c
|
||||
int getDepth(struct TreeNode* node) {
|
||||
//如果结点不存在，返回0
|
||||
|
|
@ -706,6 +715,7 @@ bool isBalanced(struct TreeNode* root) {
|
|||
```
|
||||
|
||||
迭代法：
|
||||
|
||||
```c
|
||||
//计算结点深度
|
||||
int getDepth(struct TreeNode* node) {
|
||||
|
|
@ -717,7 +727,7 @@ int getDepth(struct TreeNode* node) {
|
|||
stack[stackTop++] = node;
|
||||
int result = 0;
|
||||
int depth = 0;
|
||||
|
||||
|
||||
//当栈中有元素时，进行迭代遍历
|
||||
while(stackTop) {
|
||||
//取出栈顶元素
|
||||
|
|
@ -741,7 +751,7 @@ int getDepth(struct TreeNode* node) {
|
|||
tempNode = stack[--stackTop];
|
||||
depth--;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
return result;
|
||||
}
|
||||
|
|
@ -750,11 +760,11 @@ bool isBalanced(struct TreeNode* root){
|
|||
//开辟栈空间
|
||||
struct TreeNode** stack = (struct TreeNode**)malloc(sizeof(struct TreeNode*) * 10000);
|
||||
int stackTop = 0;
|
||||
|
||||
|
||||
//若根节点不存在，返回True
|
||||
if(!root)
|
||||
return 1;
|
||||
|
||||
|
||||
//将根节点入栈
|
||||
stack[stackTop++] = root;
|
||||
//当栈中有元素时，进行遍历
|
||||
|
|
@ -764,7 +774,7 @@ bool isBalanced(struct TreeNode* root){
|
|||
//计算左右子树的深度
|
||||
int diff = getDepth(node->right) - getDepth(node->left);
|
||||
//若深度的绝对值大于1，返回False
|
||||
if(diff > 1 || diff < -1)
|
||||
if(diff > 1 || diff < -1)
|
||||
return 0;
|
||||
//如果栈顶结点有左右结点，将左右结点入栈
|
||||
if(node->left)
|
||||
|
|
@ -780,6 +790,7 @@ bool isBalanced(struct TreeNode* root){
|
|||
### Swift:
|
||||
|
||||
>递归
|
||||
|
||||
```swift
|
||||
func isBalanced(_ root: TreeNode?) -> Bool {
|
||||
// -1 已经不是平衡二叉树
|
||||
|
|
|
|||
|
|
@ -21,7 +21,8 @@
|
|||
|
||||
给定二叉树 [3,9,20,null,null,15,7],
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
返回它的最小深度 2.
|
||||
|
||||
|
|
@ -45,7 +46,7 @@
|
|||
|
||||
本题还有一个误区，在处理节点的过程中，最大深度很容易理解，最小深度就不那么好理解，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
这就重新审题了，题目中说的是：**最小深度是从根节点到最近叶子节点的最短路径上的节点数量。**，注意是**叶子节点**。
|
||||
|
||||
|
|
@ -87,7 +88,7 @@ return result;
|
|||
|
||||
这个代码就犯了此图中的误区：
|
||||
|
||||
|
||||
|
||||
|
||||
如果这么求的话，没有左孩子的分支会算为最短深度。
|
||||
|
||||
|
|
|
|||
|
|
@ -1,18 +1,20 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 112. 路径总和
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/path-sum/)
|
||||
|
||||
给定一个二叉树和一个目标和，判断该树中是否存在根节点到叶子节点的路径，这条路径上所有节点值相加等于目标和。
|
||||
|
||||
说明: 叶子节点是指没有子节点的节点。
|
||||
说明: 叶子节点是指没有子节点的节点。
|
||||
|
||||
示例:
|
||||
示例:
|
||||
给定如下二叉树，以及目标和 sum = 22，
|
||||
|
||||
|
||||
|
|
@ -53,7 +55,7 @@
|
|||
|
||||
如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
图中可以看出，遍历的路线，并不要遍历整棵树，所以递归函数需要返回值，可以用bool类型表示。
|
||||
|
||||
|
|
@ -222,13 +224,13 @@ public:
|
|||
|
||||
给定一个二叉树和一个目标和，找到所有从根节点到叶子节点路径总和等于给定目标和的路径。
|
||||
|
||||
说明: 叶子节点是指没有子节点的节点。
|
||||
说明: 叶子节点是指没有子节点的节点。
|
||||
|
||||
示例:
|
||||
给定如下二叉树，以及目标和 sum = 22，
|
||||
给定如下二叉树，以及目标和 sum = 22，
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -237,7 +239,7 @@ public:
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
为了尽可能的把细节体现出来，我写出如下代码（**这份代码并不简洁，但是逻辑非常清晰**）
|
||||
|
|
@ -248,7 +250,7 @@ private:
|
|||
vector<vector<int>> result;
|
||||
vector<int> path;
|
||||
// 递归函数不需要返回值，因为我们要遍历整个树
|
||||
void traversal(treenode* cur, int count) {
|
||||
void traversal(TreeNode* cur, int count) {
|
||||
if (!cur->left && !cur->right && count == 0) { // 遇到了叶子节点且找到了和为sum的路径
|
||||
result.push_back(path);
|
||||
return;
|
||||
|
|
@ -274,10 +276,10 @@ private:
|
|||
}
|
||||
|
||||
public:
|
||||
vector<vector<int>> pathsum(treenode* root, int sum) {
|
||||
vector<vector<int>> pathSum(TreeNode* root, int sum) {
|
||||
result.clear();
|
||||
path.clear();
|
||||
if (root == null) return result;
|
||||
if (root == NULL) return result;
|
||||
path.push_back(root->val); // 把根节点放进路径
|
||||
traversal(root, sum - root->val);
|
||||
return result;
|
||||
|
|
@ -303,6 +305,7 @@ public:
|
|||
## java
|
||||
|
||||
### 0112.路径总和
|
||||
|
||||
```java
|
||||
class solution {
|
||||
public boolean haspathsum(treenode root, int targetsum) {
|
||||
|
|
@ -333,9 +336,9 @@ class solution {
|
|||
// lc112 简洁方法
|
||||
class solution {
|
||||
public boolean haspathsum(treenode root, int targetsum) {
|
||||
|
||||
|
||||
if (root == null) return false; // 为空退出
|
||||
|
||||
|
||||
// 叶子节点判断是否符合
|
||||
if (root.left == null && root.right == null) return root.val == targetsum;
|
||||
|
||||
|
|
@ -344,7 +347,9 @@ class solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
迭代
|
||||
|
||||
```java
|
||||
class solution {
|
||||
public boolean haspathsum(treenode root, int targetsum) {
|
||||
|
|
@ -363,7 +368,7 @@ class solution {
|
|||
// 如果该节点是叶子节点了，同时该节点的路径数值等于sum，那么就返回true
|
||||
if(node.left == null && node.right == null && sum == targetsum) {
|
||||
return true;
|
||||
}
|
||||
}
|
||||
// 右节点，压进去一个节点的时候，将该节点的路径数值也记录下来
|
||||
if(node.right != null){
|
||||
stack1.push(node.right);
|
||||
|
|
@ -377,7 +382,7 @@ class solution {
|
|||
}
|
||||
}
|
||||
return false;
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
|
|
@ -447,6 +452,7 @@ class Solution {
|
|||
### 0112.路径总和
|
||||
|
||||
**递归**
|
||||
|
||||
```python
|
||||
class solution:
|
||||
def haspathsum(self, root: treenode, targetsum: int) -> bool:
|
||||
|
|
@ -469,58 +475,66 @@ class solution:
|
|||
return false # 别忘记处理空treenode
|
||||
else:
|
||||
return isornot(root, targetsum - root.val)
|
||||
|
||||
class Solution: # 简洁版
|
||||
def hasPathSum(self, root: Optional[TreeNode], targetSum: int) -> bool:
|
||||
if not root: return False
|
||||
if root.left==root.right==None and root.val == targetSum: return True
|
||||
return self.hasPathSum(root.left,targetSum-root.val) or self.hasPathSum(root.right,targetSum-root.val)
|
||||
```
|
||||
|
||||
**迭代 - 层序遍历**
|
||||
|
||||
```python
|
||||
class solution:
|
||||
def haspathsum(self, root: treenode, targetsum: int) -> bool:
|
||||
if not root:
|
||||
if not root:
|
||||
return false
|
||||
|
||||
stack = [] # [(当前节点，路径数值), ...]
|
||||
stack.append((root, root.val))
|
||||
|
||||
while stack:
|
||||
while stack:
|
||||
cur_node, path_sum = stack.pop()
|
||||
|
||||
if not cur_node.left and not cur_node.right and path_sum == targetsum:
|
||||
if not cur_node.left and not cur_node.right and path_sum == targetsum:
|
||||
return true
|
||||
|
||||
if cur_node.right:
|
||||
stack.append((cur_node.right, path_sum + cur_node.right.val))
|
||||
if cur_node.right:
|
||||
stack.append((cur_node.right, path_sum + cur_node.right.val))
|
||||
|
||||
if cur_node.left:
|
||||
if cur_node.left:
|
||||
stack.append((cur_node.left, path_sum + cur_node.left.val))
|
||||
|
||||
return false
|
||||
```
|
||||
|
||||
### 0113.路径总和-ii
|
||||
### 0113.路径总和-ii
|
||||
|
||||
**递归**
|
||||
|
||||
```python
|
||||
class solution:
|
||||
def pathsum(self, root: treenode, targetsum: int) -> list[list[int]]:
|
||||
|
||||
def traversal(cur_node, remain):
|
||||
def traversal(cur_node, remain):
|
||||
if not cur_node.left and not cur_node.right:
|
||||
if remain == 0:
|
||||
if remain == 0:
|
||||
result.append(path[:])
|
||||
return
|
||||
|
||||
if cur_node.left:
|
||||
if cur_node.left:
|
||||
path.append(cur_node.left.val)
|
||||
traversal(cur_node.left, remain-cur_node.left.val)
|
||||
path.pop()
|
||||
|
||||
if cur_node.right:
|
||||
if cur_node.right:
|
||||
path.append(cur_node.right.val)
|
||||
traversal(cur_node.right, remain-cur_node.right.val)
|
||||
path.pop()
|
||||
|
||||
result, path = [], []
|
||||
if not root:
|
||||
if not root:
|
||||
return []
|
||||
path.append(root.val)
|
||||
traversal(root, targetsum - root.val)
|
||||
|
|
@ -528,6 +542,7 @@ class solution:
|
|||
```
|
||||
|
||||
**迭代法，用第二个队列保存目前的总和与路径**
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def pathSum(self, root: Optional[TreeNode], targetSum: int) -> List[List[int]]:
|
||||
|
|
@ -551,6 +566,26 @@ class Solution:
|
|||
return result
|
||||
```
|
||||
|
||||
**迭代法，前序遍历**
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def pathSum(self, root: Optional[TreeNode], targetSum: int) -> List[List[int]]:
|
||||
if not root: return []
|
||||
stack, path_stack,result = [[root,root.val]],[[root.val]],[]
|
||||
while stack:
|
||||
cur,cursum = stack.pop()
|
||||
path = path_stack.pop()
|
||||
if cur.left==cur.right==None:
|
||||
if cursum==targetSum: result.append(path)
|
||||
if cur.right:
|
||||
stack.append([cur.right,cursum+cur.right.val])
|
||||
path_stack.append(path+[cur.right.val])
|
||||
if cur.left:
|
||||
stack.append([cur.left,cursum+cur.left.val])
|
||||
path_stack.append(path+[cur.left.val])
|
||||
return result
|
||||
```
|
||||
## go
|
||||
|
||||
### 112. 路径总和
|
||||
|
|
@ -569,7 +604,7 @@ func hasPathSum(root *TreeNode, targetSum int) bool {
|
|||
if root == nil {
|
||||
return false
|
||||
}
|
||||
|
||||
|
||||
targetSum -= root.Val // 将targetSum在遍历每层的时候都减去本层节点的值
|
||||
if root.Left == nil && root.Right == nil && targetSum == 0 { // 如果剩余的targetSum为0, 则正好就是符合的结果
|
||||
return true
|
||||
|
|
@ -602,10 +637,10 @@ func traverse(node *TreeNode, result *[][]int, currPath *[]int, targetSum int) {
|
|||
|
||||
targetSum -= node.Val // 将targetSum在遍历每层的时候都减去本层节点的值
|
||||
*currPath = append(*currPath, node.Val) // 把当前节点放到路径记录里
|
||||
|
||||
|
||||
if node.Left == nil && node.Right == nil && targetSum == 0 { // 如果剩余的targetSum为0, 则正好就是符合的结果
|
||||
// 不能直接将currPath放到result里面, 因为currPath是共享的, 每次遍历子树时都会被修改
|
||||
pathCopy := make([]int, len(*currPath))
|
||||
pathCopy := make([]int, len(*currPath))
|
||||
for i, element := range *currPath {
|
||||
pathCopy[i] = element
|
||||
}
|
||||
|
|
@ -623,6 +658,7 @@ func traverse(node *TreeNode, result *[][]int, currPath *[]int, targetSum int) {
|
|||
### 0112.路径总和
|
||||
|
||||
**递归**
|
||||
|
||||
```javascript
|
||||
/**
|
||||
* @param {treenode} root
|
||||
|
|
@ -639,7 +675,7 @@ let haspathsum = function (root, targetsum) {
|
|||
|
||||
// 左（空节点不遍历）.遇到叶子节点返回true，则直接返回true
|
||||
if (node.left && traversal(node.left, cnt - node.left.val)) return true;
|
||||
// 右（空节点不遍历）
|
||||
// 右（空节点不遍历）
|
||||
if (node.right && traversal(node.right, cnt - node.right.val)) return true;
|
||||
return false;
|
||||
};
|
||||
|
|
@ -652,7 +688,9 @@ let haspathsum = function (root, targetsum) {
|
|||
// return haspathsum(root.left, targetsum - root.val) || haspathsum(root.right, targetsum - root.val);
|
||||
};
|
||||
```
|
||||
|
||||
**迭代**
|
||||
|
||||
```javascript
|
||||
let hasPathSum = function(root, targetSum) {
|
||||
if(root === null) return false;
|
||||
|
|
@ -681,9 +719,10 @@ let hasPathSum = function(root, targetSum) {
|
|||
};
|
||||
```
|
||||
|
||||
### 0113.路径总和-ii
|
||||
### 0113.路径总和-ii
|
||||
|
||||
**递归**
|
||||
|
||||
```javascript
|
||||
let pathsum = function (root, targetsum) {
|
||||
// 递归法
|
||||
|
|
@ -715,7 +754,9 @@ let pathsum = function (root, targetsum) {
|
|||
return res;
|
||||
};
|
||||
```
|
||||
|
||||
**递归 精简版**
|
||||
|
||||
```javascript
|
||||
var pathsum = function(root, targetsum) {
|
||||
//递归方法
|
||||
|
|
@ -739,7 +780,9 @@ var pathsum = function(root, targetsum) {
|
|||
return resPath;
|
||||
};
|
||||
```
|
||||
|
||||
**迭代**
|
||||
|
||||
```javascript
|
||||
let pathSum = function(root, targetSum) {
|
||||
if(root === null) return [];
|
||||
|
|
@ -905,7 +948,7 @@ func hasPathSum(_ root: TreeNode?, _ targetSum: Int) -> Bool {
|
|||
guard let root = root else {
|
||||
return false
|
||||
}
|
||||
|
||||
|
||||
return traversal(root, targetSum - root.val)
|
||||
}
|
||||
|
||||
|
|
@ -913,52 +956,54 @@ func traversal(_ cur: TreeNode?, _ count: Int) -> Bool {
|
|||
if cur?.left == nil && cur?.right == nil && count == 0 {
|
||||
return true
|
||||
}
|
||||
|
||||
|
||||
if cur?.left == nil && cur?.right == nil {
|
||||
return false
|
||||
}
|
||||
|
||||
|
||||
if let leftNode = cur?.left {
|
||||
if traversal(leftNode, count - leftNode.val) {
|
||||
return true
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
if let rightNode = cur?.right {
|
||||
if traversal(rightNode, count - rightNode.val) {
|
||||
return true
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return false
|
||||
}
|
||||
```
|
||||
|
||||
**迭代**
|
||||
|
||||
```swift
|
||||
func hasPathSum(_ root: TreeNode?, _ targetSum: Int) -> Bool {
|
||||
guard let root = root else {
|
||||
return false
|
||||
}
|
||||
|
||||
|
||||
var stack = Array<(TreeNode, Int)>()
|
||||
stack.append((root, root.val))
|
||||
|
||||
|
||||
while !stack.isEmpty {
|
||||
let node = stack.removeLast()
|
||||
|
||||
|
||||
if node.0.left == nil && node.0.right == nil && targetSum == node.1 {
|
||||
return true
|
||||
}
|
||||
|
||||
|
||||
if let rightNode = node.0.right {
|
||||
stack.append((rightNode, node.1 + rightNode.val))
|
||||
}
|
||||
|
||||
|
||||
if let leftNode = node.0.left {
|
||||
stack.append((leftNode, node.1 + leftNode.val))
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
return false
|
||||
}
|
||||
```
|
||||
|
|
@ -989,12 +1034,12 @@ func traversal(_ cur: TreeNode?, count: Int) {
|
|||
result.append(path)
|
||||
return
|
||||
}
|
||||
|
||||
|
||||
// 遇到叶子节点而没有找到合适的边，直接返回
|
||||
if cur?.left == nil && cur?.right == nil{
|
||||
return
|
||||
}
|
||||
|
||||
|
||||
if let leftNode = cur?.left {
|
||||
path.append(leftNode.val)
|
||||
count -= leftNode.val
|
||||
|
|
@ -1002,7 +1047,7 @@ func traversal(_ cur: TreeNode?, count: Int) {
|
|||
count += leftNode.val// 回溯
|
||||
path.removeLast()// 回溯
|
||||
}
|
||||
|
||||
|
||||
if let rightNode = cur?.right {
|
||||
path.append(rightNode.val)
|
||||
count -= rightNode.val
|
||||
|
|
@ -1015,8 +1060,10 @@ func traversal(_ cur: TreeNode?, count: Int) {
|
|||
```
|
||||
|
||||
## C
|
||||
|
||||
> 0112.路径总和
|
||||
递归法：
|
||||
> 递归法：
|
||||
|
||||
```c
|
||||
bool hasPathSum(struct TreeNode* root, int targetSum){
|
||||
// 递归结束条件：若当前节点不存在，返回false
|
||||
|
|
@ -1025,13 +1072,14 @@ bool hasPathSum(struct TreeNode* root, int targetSum){
|
|||
// 若当前节点为叶子节点，且targetSum-root的值为0。（当前路径上的节点值的和满足条件）返回true
|
||||
if(!root->right && !root->left && targetSum == root->val)
|
||||
return true;
|
||||
|
||||
|
||||
// 查看左子树和右子树的所有节点是否满足条件
|
||||
return hasPathSum(root->right, targetSum - root->val) || hasPathSum(root->left, targetSum - root->val);
|
||||
}
|
||||
```
|
||||
|
||||
迭代法:
|
||||
|
||||
```c
|
||||
// 存储一个节点以及当前的和
|
||||
struct Pair {
|
||||
|
|
@ -1056,7 +1104,7 @@ bool hasPathSum(struct TreeNode* root, int targetSum){
|
|||
// 若栈顶元素为叶子节点，且和为targetSum时，返回true
|
||||
if(!topPair.node->left && !topPair.node->right && topPair.sum == targetSum)
|
||||
return true;
|
||||
|
||||
|
||||
// 若当前栈顶节点有左右孩子，计算和并入栈
|
||||
if(topPair.node->left) {
|
||||
struct Pair newPair = {topPair.node->left, topPair.sum + topPair.node->left->val};
|
||||
|
|
@ -1070,7 +1118,9 @@ bool hasPathSum(struct TreeNode* root, int targetSum){
|
|||
return false;
|
||||
}
|
||||
```
|
||||
|
||||
> 0113.路径总和 II
|
||||
|
||||
```c
|
||||
int** ret;
|
||||
int* path;
|
||||
|
|
@ -1139,6 +1189,7 @@ int** pathSum(struct TreeNode* root, int targetSum, int* returnSize, int** retur
|
|||
### 0112.路径总和
|
||||
|
||||
**递归:**
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
def hasPathSum(root: TreeNode, targetSum: Int): Boolean = {
|
||||
|
|
@ -1163,6 +1214,7 @@ object Solution {
|
|||
```
|
||||
|
||||
**迭代:**
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
import scala.collection.mutable
|
||||
|
|
@ -1187,6 +1239,7 @@ object Solution {
|
|||
### 0113.路径总和 II
|
||||
|
||||
**递归:**
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
import scala.collection.mutable.ListBuffer
|
||||
|
|
|
|||
|
|
@ -149,6 +149,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n * m)
|
||||
* 空间复杂度: O(n * m)
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
||||
|
|
|
|||
|
|
@ -127,7 +127,8 @@ dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所
|
|||
|
||||
以示例1，输入：[7,1,5,3,6,4]为例，dp数组状态如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
dp[5][1]就是最终结果。
|
||||
|
|
|
|||
|
|
@ -4,43 +4,49 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 122.买卖股票的最佳时机II
|
||||
# 122.买卖股票的最佳时机 II
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/)
|
||||
|
||||
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
|
||||
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
|
||||
|
||||
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
|
||||
|
||||
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。
|
||||
|
||||
|
||||
示例 1:
|
||||
* 输入: [7,1,5,3,6,4]
|
||||
* 输出: 7
|
||||
* 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4。随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
|
||||
|
||||
- 输入: [7,1,5,3,6,4]
|
||||
- 输出: 7
|
||||
- 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4。随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
|
||||
|
||||
示例 2:
|
||||
* 输入: [1,2,3,4,5]
|
||||
* 输出: 4
|
||||
* 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
|
||||
|
||||
示例 3:
|
||||
* 输入: [7,6,4,3,1]
|
||||
* 输出: 0
|
||||
* 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
|
||||
- 输入: [1,2,3,4,5]
|
||||
- 输出: 4
|
||||
- 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
|
||||
|
||||
示例 3:
|
||||
|
||||
- 输入: [7,6,4,3,1]
|
||||
- 输出: 0
|
||||
- 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
|
||||
|
||||
提示：
|
||||
* 1 <= prices.length <= 3 * 10 ^ 4
|
||||
* 0 <= prices[i] <= 10 ^ 4
|
||||
|
||||
- 1 <= prices.length <= 3 \* 10 ^ 4
|
||||
- 0 <= prices[i] <= 10 ^ 4
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法也能解决股票问题！LeetCode：122.买卖股票最佳时机 II](https://www.bilibili.com/video/BV1ev4y1C7na)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
本题首先要清楚两点：
|
||||
|
||||
* 只有一只股票！
|
||||
* 当前只有买股票或者卖股票的操作
|
||||
- 只有一只股票！
|
||||
- 当前只有买股票或者卖股票的操作
|
||||
|
||||
想获得利润至少要两天为一个交易单元。
|
||||
|
||||
|
|
@ -52,17 +58,17 @@
|
|||
|
||||
如何分解呢？
|
||||
|
||||
假如第0天买入，第3天卖出，那么利润为：prices[3] - prices[0]。
|
||||
假如第 0 天买入，第 3 天卖出，那么利润为：prices[3] - prices[0]。
|
||||
|
||||
相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。
|
||||
|
||||
**此时就是把利润分解为每天为单位的维度，而不是从0天到第3天整体去考虑！**
|
||||
**此时就是把利润分解为每天为单位的维度，而不是从 0 天到第 3 天整体去考虑！**
|
||||
|
||||
那么根据prices可以得到每天的利润序列：(prices[i] - prices[i - 1]).....(prices[1] - prices[0])。
|
||||
那么根据 prices 可以得到每天的利润序列：(prices[i] - prices[i - 1]).....(prices[1] - prices[0])。
|
||||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
一些同学陷入：第一天怎么就没有利润呢，第一天到底算不算的困惑中。
|
||||
|
||||
|
|
@ -76,7 +82,7 @@
|
|||
|
||||
局部最优可以推出全局最优，找不出反例，试一试贪心！
|
||||
|
||||
对应C++代码如下：
|
||||
对应 C++代码如下：
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
|
|
@ -91,12 +97,12 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度：O(n)
|
||||
* 空间复杂度：O(1)
|
||||
- 时间复杂度：O(n)
|
||||
- 空间复杂度：O(1)
|
||||
|
||||
### 动态规划
|
||||
|
||||
动态规划将在下一个系列详细讲解，本题解先给出我的C++代码（带详细注释），感兴趣的同学可以自己先学习一下。
|
||||
动态规划将在下一个系列详细讲解，本题解先给出我的 C++代码（带详细注释），感兴趣的同学可以自己先学习一下。
|
||||
|
||||
```CPP
|
||||
class Solution {
|
||||
|
|
@ -118,8 +124,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度：$O(n)$
|
||||
* 空间复杂度：$O(n)$
|
||||
- 时间复杂度：$O(n)$
|
||||
- 空间复杂度：$O(n)$
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
@ -133,9 +139,10 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### Java:
|
||||
### Java:
|
||||
|
||||
贪心:
|
||||
|
||||
```java
|
||||
// 贪心思路
|
||||
class Solution {
|
||||
|
|
@ -150,6 +157,7 @@ class Solution {
|
|||
```
|
||||
|
||||
动态规划:
|
||||
|
||||
```java
|
||||
class Solution { // 动态规划
|
||||
public int maxProfit(int[] prices) {
|
||||
|
|
@ -171,8 +179,10 @@ class Solution { // 动态规划
|
|||
}
|
||||
```
|
||||
|
||||
### Python:
|
||||
### Python:
|
||||
|
||||
贪心:
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def maxProfit(self, prices: List[int]) -> int:
|
||||
|
|
@ -183,6 +193,7 @@ class Solution:
|
|||
```
|
||||
|
||||
动态规划:
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
def maxProfit(self, prices: List[int]) -> int:
|
||||
|
|
@ -199,6 +210,7 @@ class Solution:
|
|||
### Go:
|
||||
|
||||
贪心算法
|
||||
|
||||
```go
|
||||
func maxProfit(prices []int) int {
|
||||
var sum int
|
||||
|
|
@ -211,7 +223,9 @@ func maxProfit(prices []int) int {
|
|||
return sum
|
||||
}
|
||||
```
|
||||
|
||||
动态规划
|
||||
|
||||
```go
|
||||
func maxProfit(prices []int) int {
|
||||
dp := make([][]int, len(prices))
|
||||
|
|
@ -225,7 +239,7 @@ func maxProfit(prices []int) int {
|
|||
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i-1][1])
|
||||
}
|
||||
return dp[len(prices)-1][0]
|
||||
|
||||
|
||||
}
|
||||
func max(a, b int) int {
|
||||
if a > b {
|
||||
|
|
@ -238,6 +252,7 @@ func max(a, b int) int {
|
|||
### Javascript:
|
||||
|
||||
贪心
|
||||
|
||||
```Javascript
|
||||
var maxProfit = function(prices) {
|
||||
let result = 0
|
||||
|
|
@ -248,45 +263,63 @@ var maxProfit = function(prices) {
|
|||
};
|
||||
```
|
||||
|
||||
动态规划
|
||||
动态规划
|
||||
|
||||
```javascript
|
||||
const maxProfit = (prices) => {
|
||||
let dp = Array.from(Array(prices.length), () => Array(2).fill(0));
|
||||
// dp[i][0] 表示第i天持有股票所得现金。
|
||||
// dp[i][1] 表示第i天不持有股票所得最多现金
|
||||
dp[0][0] = 0 - prices[0];
|
||||
dp[0][1] = 0;
|
||||
for(let i = 1; i < prices.length; i++) {
|
||||
// 如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来
|
||||
// 第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]
|
||||
// 第i天买入股票，所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即：dp[i - 1][1] - prices[i]
|
||||
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] - prices[i]);
|
||||
|
||||
// 在来看看如果第i天不持有股票即dp[i][1]的情况， 依然可以由两个状态推出来
|
||||
// 第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]
|
||||
// 第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金即：prices[i] + dp[i - 1][0]
|
||||
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] + prices[i]);
|
||||
}
|
||||
let dp = Array.from(Array(prices.length), () => Array(2).fill(0));
|
||||
// dp[i][0] 表示第i天持有股票所得现金。
|
||||
// dp[i][1] 表示第i天不持有股票所得最多现金
|
||||
dp[0][0] = 0 - prices[0];
|
||||
dp[0][1] = 0;
|
||||
for (let i = 1; i < prices.length; i++) {
|
||||
// 如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来
|
||||
// 第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]
|
||||
// 第i天买入股票，所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即：dp[i - 1][1] - prices[i]
|
||||
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
|
||||
|
||||
return dp[prices.length -1][1];
|
||||
// 在来看看如果第i天不持有股票即dp[i][1]的情况， 依然可以由两个状态推出来
|
||||
// 第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]
|
||||
// 第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金即：prices[i] + dp[i - 1][0]
|
||||
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
|
||||
}
|
||||
|
||||
return dp[prices.length - 1][1];
|
||||
};
|
||||
```
|
||||
|
||||
### TypeScript：
|
||||
|
||||
贪心
|
||||
```typescript
|
||||
function maxProfit(prices: number[]): number {
|
||||
let resProfit: number = 0;
|
||||
for (let i = 1, length = prices.length; i < length; i++) {
|
||||
resProfit += Math.max(prices[i] - prices[i - 1], 0);
|
||||
}
|
||||
return resProfit;
|
||||
};
|
||||
let resProfit: number = 0;
|
||||
for (let i = 1, length = prices.length; i < length; i++) {
|
||||
resProfit += Math.max(prices[i] - prices[i - 1], 0);
|
||||
}
|
||||
return resProfit;
|
||||
}
|
||||
```
|
||||
|
||||
动态规划
|
||||
```typescript
|
||||
function maxProfit(prices: number[]): number {
|
||||
const dp = Array(prices.length)
|
||||
.fill(0)
|
||||
.map(() => Array(2).fill(0))
|
||||
dp[0][0] = -prices[0]
|
||||
for (let i = 1; i < prices.length; i++) {
|
||||
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i])
|
||||
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i])
|
||||
}
|
||||
return dp[prices.length - 1][1]
|
||||
}
|
||||
```
|
||||
|
||||
### Rust
|
||||
|
||||
贪心：
|
||||
|
||||
```Rust
|
||||
impl Solution {
|
||||
fn max(a: i32, b: i32) -> i32 {
|
||||
|
|
@ -303,6 +336,7 @@ impl Solution {
|
|||
```
|
||||
|
||||
动态规划：
|
||||
|
||||
```Rust
|
||||
impl Solution {
|
||||
fn max(a: i32, b: i32) -> i32 {
|
||||
|
|
@ -322,7 +356,9 @@ impl Solution {
|
|||
```
|
||||
|
||||
### C:
|
||||
|
||||
贪心：
|
||||
|
||||
```c
|
||||
int maxProfit(int* prices, int pricesSize){
|
||||
int result = 0;
|
||||
|
|
@ -338,6 +374,7 @@ int maxProfit(int* prices, int pricesSize){
|
|||
```
|
||||
|
||||
动态规划：
|
||||
|
||||
```c
|
||||
#define max(a, b) (((a) > (b)) ? (a) : (b))
|
||||
|
||||
|
|
@ -362,6 +399,7 @@ int maxProfit(int* prices, int pricesSize){
|
|||
### Scala
|
||||
|
||||
贪心:
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
def maxProfit(prices: Array[Int]): Int = {
|
||||
|
|
|
|||
|
|
@ -116,7 +116,8 @@ dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
|
|||
|
||||
以输入[1,2,3,4,5]为例
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
大家可以看到红色框为最后两次卖出的状态。
|
||||
|
||||
|
|
|
|||
|
|
@ -16,7 +16,7 @@
|
|||
* 转换过程中的中间单词必须是字典 wordList 中的单词。
|
||||
* 给你两个单词 beginWord 和 endWord 和一个字典 wordList ，找到从 beginWord 到 endWord 的 最短转换序列 中的 单词数目 。如果不存在这样的转换序列，返回 0。
|
||||
|
||||
|
||||
|
||||
示例 1：
|
||||
|
||||
* 输入：beginWord = "hit", endWord = "cog", wordList = ["hot","dot","dog","lot","log","cog"]
|
||||
|
|
@ -134,7 +134,70 @@ public int ladderLength(String beginWord, String endWord, List<String> wordList)
|
|||
}
|
||||
```
|
||||
|
||||
```java
|
||||
// Java 双向BFS
|
||||
class Solution {
|
||||
// 判断单词之间是否之差了一个字母
|
||||
public boolean isValid(String currentWord, String chooseWord) {
|
||||
int count = 0;
|
||||
for (int i = 0; i < currentWord.length(); i++)
|
||||
if (currentWord.charAt(i) != chooseWord.charAt(i)) ++count;
|
||||
return count == 1;
|
||||
}
|
||||
|
||||
public int ladderLength(String beginWord, String endWord, List<String> wordList) {
|
||||
if (!wordList.contains(endWord)) return 0; // 如果 endWord 不在 wordList 中，那么无法成功转换，返回 0
|
||||
|
||||
// ansLeft 记录从 beginWord 开始 BFS 时能组成的单词数目
|
||||
// ansRight 记录从 endWord 开始 BFS 时能组成的单词数目
|
||||
int ansLeft = 0, ansRight = 0;
|
||||
|
||||
// queueLeft 表示从 beginWord 开始 BFS 时使用的队列
|
||||
// queueRight 表示从 endWord 开始 BFS 时使用的队列
|
||||
Queue<String> queueLeft = new ArrayDeque<>(), queueRight = new ArrayDeque<>();
|
||||
queueLeft.add(beginWord);
|
||||
queueRight.add(endWord);
|
||||
|
||||
// 从 beginWord 开始 BFS 时把遍历到的节点存入 hashSetLeft 中
|
||||
// 从 endWord 开始 BFS 时把遍历到的节点存入 hashSetRight 中
|
||||
Set<String> hashSetLeft = new HashSet<>(), hashSetRight = new HashSet<>();
|
||||
hashSetLeft.add(beginWord);
|
||||
hashSetRight.add(endWord);
|
||||
|
||||
// 只要有一个队列为空，说明 beginWord 无法转换到 endWord
|
||||
while (!queueLeft.isEmpty() && !queueRight.isEmpty()) {
|
||||
++ansLeft;
|
||||
int size = queueLeft.size();
|
||||
for (int i = 0; i < size; i++) {
|
||||
String currentWord = queueLeft.poll();
|
||||
// 只要 hashSetRight 中存在 currentWord，说明从 currentWord 可以转换到 endWord
|
||||
if (hashSetRight.contains(currentWord)) return ansRight + ansLeft;
|
||||
for (String chooseWord : wordList) {
|
||||
if (hashSetLeft.contains(chooseWord) || !isValid(currentWord, chooseWord)) continue;
|
||||
hashSetLeft.add(chooseWord);
|
||||
queueLeft.add(chooseWord);
|
||||
}
|
||||
}
|
||||
++ansRight;
|
||||
size = queueRight.size();
|
||||
for (int i = 0; i < size; i++) {
|
||||
String currentWord = queueRight.poll();
|
||||
// 只要 hashSetLeft 中存在 currentWord，说明从 currentWord 可以转换到 beginWord
|
||||
if (hashSetLeft.contains(currentWord)) return ansLeft + ansRight;
|
||||
for (String chooseWord : wordList) {
|
||||
if (hashSetRight.contains(chooseWord) || !isValid(currentWord, chooseWord)) continue;
|
||||
hashSetRight.add(chooseWord);
|
||||
queueRight.add(chooseWord);
|
||||
}
|
||||
}
|
||||
}
|
||||
return 0;
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
## Python
|
||||
|
||||
```
|
||||
class Solution:
|
||||
def ladderLength(self, beginWord: str, endWord: str, wordList: List[str]) -> int:
|
||||
|
|
@ -301,3 +364,4 @@ function diffonechar(word1: string, word2: string): boolean {
|
|||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
</a>
|
||||
|
||||
|
|
|
|||
|
|
@ -84,7 +84,221 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
|
||||
```Java
|
||||
// 广度优先遍历
|
||||
// 使用 visited 数组进行标记
|
||||
class Solution {
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}}; // 四个方向
|
||||
|
||||
public void solve(char[][] board) {
|
||||
// rowSize：行的长度，colSize：列的长度
|
||||
int rowSize = board.length, colSize = board[0].length;
|
||||
boolean[][] visited = new boolean[rowSize][colSize];
|
||||
Queue<int[]> queue = new ArrayDeque<>();
|
||||
// 从左侧边，和右侧边遍历
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
if (board[row][0] == 'O') {
|
||||
visited[row][0] = true;
|
||||
queue.add(new int[]{row, 0});
|
||||
}
|
||||
if (board[row][colSize - 1] == 'O') {
|
||||
visited[row][colSize - 1] = true;
|
||||
queue.add(new int[]{row, colSize - 1});
|
||||
}
|
||||
}
|
||||
// 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
|
||||
// 所以在遍历上边和下边时可以不用遍历四个角
|
||||
for (int col = 1; col < colSize - 1; col++) {
|
||||
if (board[0][col] == 'O') {
|
||||
visited[0][col] = true;
|
||||
queue.add(new int[]{0, col});
|
||||
}
|
||||
if (board[rowSize - 1][col] == 'O') {
|
||||
visited[rowSize - 1][col] = true;
|
||||
queue.add(new int[]{rowSize - 1, col});
|
||||
}
|
||||
}
|
||||
// 广度优先遍历，把没有被 'X' 包围的 'O' 进行标记
|
||||
while (!queue.isEmpty()) {
|
||||
int[] current = queue.poll();
|
||||
for (int[] pos: position) {
|
||||
int row = current[0] + pos[0], col = current[1] + pos[1];
|
||||
// 如果范围越界、位置已被访问过、该位置的值不是 'O'，就直接跳过
|
||||
if (row < 0 || row >= rowSize || col < 0 || col >= colSize) continue;
|
||||
if (visited[row][col] || board[row][col] != 'O') continue;
|
||||
visited[row][col] = true;
|
||||
queue.add(new int[]{row, col});
|
||||
}
|
||||
}
|
||||
// 遍历数组，把没有被标记的 'O' 修改成 'X'
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
if (board[row][col] == 'O' && !visited[row][col]) board[row][col] = 'X';
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
```Java
|
||||
// 广度优先遍历
|
||||
// 直接修改 board 的值为其他特殊值
|
||||
class Solution {
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}}; // 四个方向
|
||||
|
||||
public void solve(char[][] board) {
|
||||
// rowSize：行的长度，colSize：列的长度
|
||||
int rowSize = board.length, colSize = board[0].length;
|
||||
Queue<int[]> queue = new ArrayDeque<>();
|
||||
// 从左侧边，和右侧边遍历
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
if (board[row][0] == 'O')
|
||||
queue.add(new int[]{row, 0});
|
||||
if (board[row][colSize - 1] == 'O')
|
||||
queue.add(new int[]{row, colSize - 1});
|
||||
}
|
||||
// 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
|
||||
// 所以在遍历上边和下边时可以不用遍历四个角
|
||||
for (int col = 1; col < colSize - 1; col++) {
|
||||
if (board[0][col] == 'O')
|
||||
queue.add(new int[]{0, col});
|
||||
if (board[rowSize - 1][col] == 'O')
|
||||
queue.add(new int[]{rowSize - 1, col});
|
||||
}
|
||||
// 广度优先遍历，把没有被 'X' 包围的 'O' 修改成特殊值
|
||||
while (!queue.isEmpty()) {
|
||||
int[] current = queue.poll();
|
||||
board[current[0]][current[1]] = 'A';
|
||||
for (int[] pos: position) {
|
||||
int row = current[0] + pos[0], col = current[1] + pos[1];
|
||||
// 如果范围越界、该位置的值不是 'O'，就直接跳过
|
||||
if (row < 0 || row >= rowSize || col < 0 || col >= colSize) continue;
|
||||
if (board[row][col] != 'O') continue;
|
||||
queue.add(new int[]{row, col});
|
||||
}
|
||||
}
|
||||
// 遍历数组，把 'O' 修改成 'X'，特殊值修改成 'O'
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
if (board[row][col] == 'A') board[row][col] = 'O';
|
||||
else if (board[row][col] == 'O') board[row][col] = 'X';
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
```Java
|
||||
// 深度优先遍历
|
||||
// 使用 visited 数组进行标记
|
||||
class Solution {
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}}; // 四个方向
|
||||
|
||||
public void dfs(char[][] board, int row, int col, boolean[][] visited) {
|
||||
for (int[] pos: position) {
|
||||
int nextRow = row + pos[0], nextCol = col + pos[1];
|
||||
// 位置越界
|
||||
if (nextRow < 0 || nextRow >= board.length || nextCol < 0 || nextCol >= board[0].length)
|
||||
continue;
|
||||
// 位置已被访问过、新位置值不是 'O'
|
||||
if (visited[nextRow][nextCol] || board[nextRow][nextCol] != 'O') continue;
|
||||
visited[nextRow][nextCol] = true;
|
||||
dfs(board, nextRow, nextCol, visited);
|
||||
}
|
||||
}
|
||||
|
||||
public void solve(char[][] board) {
|
||||
int rowSize = board.length, colSize = board[0].length;
|
||||
boolean[][] visited = new boolean[rowSize][colSize];
|
||||
// 从左侧遍、右侧遍遍历
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
if (board[row][0] == 'O' && !visited[row][0]) {
|
||||
visited[row][0] = true;
|
||||
dfs(board, row, 0, visited);
|
||||
}
|
||||
if (board[row][colSize - 1] == 'O' && !visited[row][colSize - 1]) {
|
||||
visited[row][colSize - 1] = true;
|
||||
dfs(board, row, colSize - 1, visited);
|
||||
}
|
||||
}
|
||||
// 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
|
||||
// 所以在遍历上边和下边时可以不用遍历四个角
|
||||
for (int col = 1; col < colSize - 1; col++) {
|
||||
if (board[0][col] == 'O' && !visited[0][col]) {
|
||||
visited[0][col] = true;
|
||||
dfs(board, 0, col, visited);
|
||||
}
|
||||
if (board[rowSize - 1][col] == 'O' && !visited[rowSize - 1][col]) {
|
||||
visited[rowSize - 1][col] = true;
|
||||
dfs(board, rowSize - 1, col, visited);
|
||||
}
|
||||
}
|
||||
// 遍历数组，把没有被标记的 'O' 修改成 'X'
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
if (board[row][col] == 'O' && !visited[row][col]) board[row][col] = 'X';
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
```Java
|
||||
// 深度优先遍历
|
||||
// // 直接修改 board 的值为其他特殊值
|
||||
class Solution {
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}}; // 四个方向
|
||||
|
||||
public void dfs(char[][] board, int row, int col) {
|
||||
for (int[] pos: position) {
|
||||
int nextRow = row + pos[0], nextCol = col + pos[1];
|
||||
// 位置越界
|
||||
if (nextRow < 0 || nextRow >= board.length || nextCol < 0 || nextCol >= board[0].length)
|
||||
continue;
|
||||
// 新位置值不是 'O'
|
||||
if (board[nextRow][nextCol] != 'O') continue;
|
||||
board[nextRow][nextCol] = 'A'; // 修改为特殊值
|
||||
dfs(board, nextRow, nextCol);
|
||||
}
|
||||
}
|
||||
|
||||
public void solve(char[][] board) {
|
||||
int rowSize = board.length, colSize = board[0].length;
|
||||
// 从左侧遍、右侧遍遍历
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
if (board[row][0] == 'O') {
|
||||
board[row][0] = 'A';
|
||||
dfs(board, row, 0);
|
||||
}
|
||||
if (board[row][colSize - 1] == 'O') {
|
||||
board[row][colSize - 1] = 'A';
|
||||
dfs(board, row, colSize - 1);
|
||||
}
|
||||
}
|
||||
// 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
|
||||
// 所以在遍历上边和下边时可以不用遍历四个角
|
||||
for (int col = 1; col < colSize - 1; col++) {
|
||||
if (board[0][col] == 'O') {
|
||||
board[0][col] = 'A';
|
||||
dfs(board, 0, col);
|
||||
}
|
||||
if (board[rowSize - 1][col] == 'O') {
|
||||
board[rowSize - 1][col] = 'A';
|
||||
dfs(board, rowSize - 1, col);
|
||||
}
|
||||
}
|
||||
// 遍历数组，把 'O' 修改成 'X'，特殊值修改成 'O'
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
if (board[row][col] == 'O') board[row][col] = 'X';
|
||||
else if (board[row][col] == 'A') board[row][col] = 'O';
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
</a>
|
||||
|
||||
|
|
|
|||
|
|
@ -163,7 +163,7 @@ for (int i = s.size() - 1; i >= 0; i--) {
|
|||
|
||||
以输入："aabc" 为例：
|
||||
|
||||
|
||||
|
||||
|
||||
以上分析完毕，代码如下：
|
||||
|
||||
|
|
|
|||
|
|
@ -45,6 +45,10 @@
|
|||
* 解释:
|
||||
你不能从 0 号或 1 号加油站出发，因为没有足够的汽油可以让你行驶到下一个加油站。我们从 2 号加油站出发，可以获得 4 升汽油。 此时油箱有 = 0 + 4 = 4 升汽油。开往 0 号加油站，此时油箱有 4 - 3 + 2 = 3 升汽油。开往 1 号加油站，此时油箱有 3 - 3 + 3 = 3 升汽油。你无法返回 2 号加油站，因为返程需要消耗 4 升汽油，但是你的油箱只有 3 升汽油。因此，无论怎样，你都不可能绕环路行驶一周。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，得这么加油才能跑完全程！LeetCode ：134.加油站](https://www.bilibili.com/video/BV1jA411r7WX)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
|
||||
## 暴力方法
|
||||
|
||||
|
|
|
|||
|
|
@ -28,6 +28,10 @@
|
|||
* 输出: 4
|
||||
* 解释: 你可以分别给这三个孩子分发 1、2、1 颗糖果。第三个孩子只得到 1 颗糖果，这已满足上述两个条件。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，两者兼顾很容易顾此失彼！LeetCode：135.分发糖果](https://www.bilibili.com/video/BV1ev4y1r7wN)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -53,7 +57,8 @@ for (int i = 1; i < ratings.size(); i++) {
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
再确定左孩子大于右孩子的情况（从后向前遍历）
|
||||
|
||||
|
|
@ -78,7 +83,8 @@ for (int i = 1; i < ratings.size(); i++) {
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
所以该过程代码如下：
|
||||
|
||||
|
|
@ -115,6 +121,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
这在leetcode上是一道困难的题目，其难点就在于贪心的策略，如果在考虑局部的时候想两边兼顾，就会顾此失彼。
|
||||
|
|
|
|||
|
|
@ -181,7 +181,8 @@ dp[0]表示如果字符串为空的话，说明出现在字典里。
|
|||
|
||||
以输入: s = "leetcode", wordDict = ["leet", "code"]为例，dp状态如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
dp[s.size()]就是最终结果。
|
||||
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -6,6 +7,7 @@
|
|||
|
||||
|
||||
|
||||
|
||||
> 找到有没有环已经很不容易了，还要让我找到环的入口?
|
||||
|
||||
|
||||
|
|
@ -14,13 +16,13 @@
|
|||
[力扣题目链接](https://leetcode.cn/problems/linked-list-cycle-ii/)
|
||||
|
||||
题意：
|
||||
给定一个链表，返回链表开始入环的第一个节点。 如果链表无环，则返回 null。
|
||||
给定一个链表，返回链表开始入环的第一个节点。 如果链表无环，则返回 null。
|
||||
|
||||
为了表示给定链表中的环，使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。 如果 pos 是 -1，则在该链表中没有环。
|
||||
|
||||
**说明**：不允许修改给定的链表。
|
||||
|
||||
|
||||
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -48,7 +50,7 @@
|
|||
|
||||
会发现最终都是这种情况， 如下图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
fast和slow各自再走一步， fast和slow就相遇了
|
||||
|
|
@ -143,26 +145,29 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)，快慢指针相遇前，指针走的次数小于链表长度，快慢指针相遇后，两个index指针走的次数也小于链表长度，总体为走的次数小于 2n
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
## 补充
|
||||
|
||||
在推理过程中，大家可能有一个疑问就是：**为什么第一次在环中相遇，slow的 步数 是 x+y 而不是 x + 若干环的长度 + y 呢？**
|
||||
|
||||
即文章[链表：环找到了，那入口呢？](https://programmercarl.com/0142.环形链表II.html)中如下的地方：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
首先slow进环的时候，fast一定是先进环来了。
|
||||
|
||||
如果slow进环入口，fast也在环入口，那么把这个环展开成直线，就是如下图的样子：
|
||||
|
||||
|
||||
|
||||
|
||||
可以看出如果slow 和 fast同时在环入口开始走，一定会在环入口3相遇，slow走了一圈，fast走了两圈。
|
||||
|
||||
重点来了，slow进环的时候，fast一定是在环的任意一个位置，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
那么fast指针走到环入口3的时候，已经走了k + n 个节点，slow相应的应该走了(k + n) / 2 个节点。
|
||||
|
||||
|
|
@ -187,6 +192,7 @@ public:
|
|||
|
||||
|
||||
Java：
|
||||
|
||||
```java
|
||||
public class Solution {
|
||||
public ListNode detectCycle(ListNode head) {
|
||||
|
|
@ -235,6 +241,7 @@ class Solution:
|
|||
```
|
||||
|
||||
Go：
|
||||
|
||||
```go
|
||||
func detectCycle(head *ListNode) *ListNode {
|
||||
slow, fast := head, head
|
||||
|
|
@ -267,7 +274,7 @@ var detectCycle = function(head) {
|
|||
let slow =head.next, fast = head.next.next;
|
||||
while(fast && fast.next && fast!== slow) {
|
||||
slow = slow.next;
|
||||
fast = fast.next.next;
|
||||
fast = fast.next.next;
|
||||
}
|
||||
if(!fast || !fast.next ) return null;
|
||||
slow = head;
|
||||
|
|
@ -374,6 +381,7 @@ ListNode *detectCycle(ListNode *head) {
|
|||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
object Solution {
|
||||
def detectCycle(head: ListNode): ListNode = {
|
||||
|
|
|
|||
|
|
@ -113,6 +113,9 @@ public:
|
|||
};
|
||||
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
## 题外话
|
||||
|
||||
|
|
|
|||
|
|
@ -114,6 +114,7 @@ void removeExtraSpaces(string& s) {
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
有的同学可能发现用erase来移除空格，在leetcode上性能也还行。主要是以下几点；：
|
||||
|
||||
1. leetcode上的测试集里，字符串的长度不够长，如果足够长，性能差距会非常明显。
|
||||
|
|
@ -197,6 +198,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1) 或 O(n)，取决于语言中字符串是否可变
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
|
@ -516,6 +520,48 @@ class Solution:
|
|||
return s[:ps] + s[ps:][::-1] # Must do the last step, because the last word is omit though the pointers are on the correct positions,
|
||||
```
|
||||
|
||||
```python
|
||||
class Solution: # 使用双指针法移除空格
|
||||
def reverseWords(self, s: str) -> str:
|
||||
|
||||
def removeextraspace(s):
|
||||
start = 0; end = len(s)-1
|
||||
while s[start]==' ':
|
||||
start+=1
|
||||
while s[end]==' ':
|
||||
end-=1
|
||||
news = list(s[start:end+1])
|
||||
slow = fast = 0
|
||||
while fast<len(news):
|
||||
while fast>0 and news[fast]==news[fast-1]==' ':
|
||||
fast+=1
|
||||
news[slow]=news[fast]
|
||||
slow+=1; fast+=1
|
||||
#return "".join(news[:slow])
|
||||
return news[:slow]
|
||||
|
||||
def reversestr(s):
|
||||
left,right = 0,len(s)-1
|
||||
news = list(s)
|
||||
while left<right:
|
||||
news[left],news[right] = news[right],news[left]
|
||||
left+=1; right-=1
|
||||
#return "".join(news)
|
||||
return news
|
||||
|
||||
news = removeextraspace(s)
|
||||
news.append(' ')
|
||||
fast=slow=0
|
||||
#print(news)
|
||||
while fast<len(news):
|
||||
while news[fast]!=' ':
|
||||
fast+=1
|
||||
news[slow:fast] = reversestr(news[slow:fast])
|
||||
# print(news[slow:fast])
|
||||
fast=slow=fast+1
|
||||
news2 = reversestr(news[:-1])
|
||||
return ''.join(news2)
|
||||
```
|
||||
Go：
|
||||
|
||||
```go
|
||||
|
|
@ -924,6 +970,49 @@ pub fn remove_extra_spaces(s: &mut Vec<char>) {
|
|||
}
|
||||
}
|
||||
```
|
||||
C:
|
||||
|
||||
```C
|
||||
// 翻转字符串中指定范围的字符
|
||||
void reverse(char* s, int start, int end) {
|
||||
for (int i = start, j = end; i < j; i++, j--) {
|
||||
int tmp = s[i];
|
||||
s[i] = s[j];
|
||||
s[j] = tmp;
|
||||
}
|
||||
}
|
||||
|
||||
// 删除字符串两端和中间多余的空格
|
||||
void removeExtraSpace(char* s) {
|
||||
int start = 0; // 指向字符串开头的指针
|
||||
int end = strlen(s) - 1; // 指向字符串结尾的指针
|
||||
while (s[start] == ' ') start++; // 移动指针 start，直到找到第一个非空格字符
|
||||
while (s[end] == ' ') end--; // 移动指针 end，直到找到第一个非空格字符
|
||||
int slow = 0; // 指向新字符串的下一个写入位置的指针
|
||||
for (int i = start; i <= end; i++) { // 遍历整个字符串
|
||||
if (s[i] == ' ' && s[i+1] == ' ') { // 如果当前字符是空格，并且下一个字符也是空格，则跳过
|
||||
continue;
|
||||
}
|
||||
s[slow] = s[i]; // 否则，将当前字符复制到新字符串的 slow 位置
|
||||
slow++; // 将 slow 指针向后移动
|
||||
}
|
||||
s[slow] = '\0'; // 在新字符串的末尾添加一个空字符
|
||||
}
|
||||
|
||||
// 翻转字符串中的单词
|
||||
char * reverseWords(char * s){
|
||||
removeExtraSpace(s); // 先删除字符串两端和中间的多余空格
|
||||
reverse(s, 0, strlen(s) - 1); // 翻转整个字符串
|
||||
int slow = 0; // 指向每个单词的开头位置的指针
|
||||
for (int i = 0; i <= strlen(s); i++) { // 遍历整个字符串
|
||||
if (s[i] ==' ' || s[i] == '\0') { // 如果当前字符是空格或空字符，说明一个单词结束了
|
||||
reverse(s, slow, i-1); // 翻转单词
|
||||
slow = i + 1; // 将 slow 指针指向下一个单词的开头位置
|
||||
}
|
||||
}
|
||||
return s; // 返回处理后的字符串
|
||||
}
|
||||
```
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
|
|
|
|||
|
|
@ -129,7 +129,7 @@ for (int j = 1; j < 2 * k; j += 2) {
|
|||
|
||||
以输入[1,2,3,4,5]，k=2为例。
|
||||
|
||||
|
||||
|
||||
|
||||
最后一次卖出，一定是利润最大的，dp[prices.size() - 1][2 * k]即红色部分就是最后求解。
|
||||
|
||||
|
|
@ -156,6 +156,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n * k)，其中 n 为 prices 的长度
|
||||
* 空间复杂度: O(n * k)
|
||||
|
||||
|
||||
|
||||
当然有的解法是定义一个三维数组dp[i][j][k]，第i天，第j次买卖，k表示买还是卖的状态，从定义上来讲是比较直观。
|
||||
|
||||
但感觉三维数组操作起来有些麻烦，我是直接用二维数组来模拟三维数组的情况，代码看起来也清爽一些。
|
||||
|
|
|
|||
|
|
@ -85,7 +85,7 @@ for (int i = 2; i < nums.size(); i++) {
|
|||
|
||||
以示例二，输入[2,7,9,3,1]为例。
|
||||
|
||||
|
||||
|
||||
|
||||
红框dp[nums.size() - 1]为结果。
|
||||
|
||||
|
|
@ -108,6 +108,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
## 总结
|
||||
|
||||
打家劫舍是DP解决的经典题目，这道题也是打家劫舍入门级题目，后面我们还会变种方式来打劫的。
|
||||
|
|
|
|||
|
|
@ -75,6 +75,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(logn)
|
||||
* 空间复杂度: O(logn)
|
||||
|
||||
|
||||
|
||||
|
|
@ -132,6 +134,19 @@ class Solution:
|
|||
else:
|
||||
record.add(n)
|
||||
|
||||
# python的另一种写法 - 通过字符串来计算各位平方和
|
||||
class Solution:
|
||||
def isHappy(self, n: int) -> bool:
|
||||
record = []
|
||||
while n not in record:
|
||||
record.append(n)
|
||||
newn = 0
|
||||
nn = str(n)
|
||||
for i in nn:
|
||||
newn+=int(i)**2
|
||||
if newn==1: return True
|
||||
n = newn
|
||||
return False
|
||||
```
|
||||
|
||||
Go：
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -5,6 +6,7 @@
|
|||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
|
||||
> 链表操作中，可以使用原链表来直接进行删除操作，也可以设置一个虚拟头结点再进行删除操作，接下来看一看哪种方式更方便。
|
||||
|
||||
# 203.移除链表元素
|
||||
|
|
@ -13,17 +15,17 @@
|
|||
|
||||
题意：删除链表中等于给定值 val 的所有节点。
|
||||
|
||||
示例 1：
|
||||
输入：head = [1,2,6,3,4,5,6], val = 6
|
||||
输出：[1,2,3,4,5]
|
||||
示例 1：
|
||||
输入：head = [1,2,6,3,4,5,6], val = 6
|
||||
输出：[1,2,3,4,5]
|
||||
|
||||
示例 2：
|
||||
输入：head = [], val = 1
|
||||
输出：[]
|
||||
示例 2：
|
||||
输入：head = [], val = 1
|
||||
输出：[]
|
||||
|
||||
示例 3：
|
||||
输入：head = [7,7,7,7], val = 7
|
||||
输出：[]
|
||||
示例 3：
|
||||
输入：head = [7,7,7,7], val = 7
|
||||
输出：[]
|
||||
|
||||
|
||||
# 思路
|
||||
|
|
@ -32,11 +34,11 @@
|
|||
|
||||
这里以链表 1 4 2 4 来举例，移除元素4。
|
||||
|
||||
|
||||
|
||||
|
||||
如果使用C，C++编程语言的话，不要忘了还要从内存中删除这两个移除的节点， 清理节点内存之后如图：
|
||||
|
||||
|
||||
|
||||
|
||||
**当然如果使用java ，python的话就不用手动管理内存了。**
|
||||
|
||||
|
|
@ -47,23 +49,23 @@
|
|||
那么因为单链表的特殊性，只能指向下一个节点，刚刚删除的是链表的中第二个，和第四个节点，那么如果删除的是头结点又该怎么办呢？
|
||||
|
||||
这里就涉及如下链表操作的两种方式：
|
||||
|
||||
* **直接使用原来的链表来进行删除操作。**
|
||||
* **设置一个虚拟头结点在进行删除操作。**
|
||||
|
||||
|
||||
来看第一种操作：直接使用原来的链表来进行移除。
|
||||
|
||||
|
||||
|
||||
|
||||
移除头结点和移除其他节点的操作是不一样的，因为链表的其他节点都是通过前一个节点来移除当前节点，而头结点没有前一个节点。
|
||||
|
||||
所以头结点如何移除呢，其实只要将头结点向后移动一位就可以，这样就从链表中移除了一个头结点。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
依然别忘将原头结点从内存中删掉。
|
||||
|
||||
|
||||
|
||||
|
||||
这样移除了一个头结点，是不是发现，在单链表中移除头结点 和 移除其他节点的操作方式是不一样，其实在写代码的时候也会发现，需要单独写一段逻辑来处理移除头结点的情况。
|
||||
|
|
@ -74,7 +76,7 @@
|
|||
|
||||
来看看如何设置一个虚拟头。依然还是在这个链表中，移除元素1。
|
||||
|
||||
|
||||
|
||||
|
||||
这里来给链表添加一个虚拟头结点为新的头结点，此时要移除这个旧头结点元素1。
|
||||
|
||||
|
|
@ -116,6 +118,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
**设置一个虚拟头结点在进行移除节点操作：**
|
||||
|
||||
```CPP
|
||||
|
|
@ -142,12 +147,17 @@ public:
|
|||
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
C:
|
||||
用原来的链表操作：
|
||||
|
||||
```c
|
||||
struct ListNode* removeElements(struct ListNode* head, int val){
|
||||
struct ListNode* temp;
|
||||
|
|
@ -168,7 +178,7 @@ struct ListNode* removeElements(struct ListNode* head, int val){
|
|||
// 将cur->next设置为cur->next->next并删除cur->next
|
||||
cur->next = temp->next;
|
||||
free(temp);
|
||||
}
|
||||
}
|
||||
// 若cur->next不等于val，则将cur后移一位
|
||||
else
|
||||
cur = cur->next;
|
||||
|
|
@ -178,7 +188,9 @@ struct ListNode* removeElements(struct ListNode* head, int val){
|
|||
return head;
|
||||
}
|
||||
```
|
||||
|
||||
设置一个虚拟头结点：
|
||||
|
||||
```c
|
||||
/**
|
||||
* Definition for singly-linked list.
|
||||
|
|
@ -212,6 +224,7 @@ struct ListNode* removeElements(struct ListNode* head, int val){
|
|||
```
|
||||
|
||||
Java：
|
||||
|
||||
```java
|
||||
/**
|
||||
* 添加虚节点方式
|
||||
|
|
@ -292,6 +305,7 @@ public ListNode removeElements(ListNode head, int val) {
|
|||
```
|
||||
|
||||
Python：
|
||||
|
||||
```python
|
||||
# Definition for singly-linked list.
|
||||
# class ListNode:
|
||||
|
|
@ -302,8 +316,8 @@ class Solution:
|
|||
def removeElements(self, head: ListNode, val: int) -> ListNode:
|
||||
dummy_head = ListNode(next=head) #添加一个虚拟节点
|
||||
cur = dummy_head
|
||||
while(cur.next!=None):
|
||||
if(cur.next.val == val):
|
||||
while cur.next:
|
||||
if cur.next.val == val:
|
||||
cur.next = cur.next.next #删除cur.next节点
|
||||
else:
|
||||
cur = cur.next
|
||||
|
|
@ -335,7 +349,7 @@ func removeElements(head *ListNode, val int) *ListNode {
|
|||
}
|
||||
```
|
||||
|
||||
javaScript:
|
||||
javaScript:
|
||||
|
||||
```js
|
||||
/**
|
||||
|
|
@ -442,6 +456,7 @@ func removeElements(_ head: ListNode?, _ val: Int) -> ListNode? {
|
|||
```
|
||||
|
||||
PHP:
|
||||
|
||||
```php
|
||||
/**
|
||||
* Definition for singly-linked list.
|
||||
|
|
@ -469,6 +484,7 @@ func removeElements(head *ListNode, val int) *ListNode {
|
|||
```
|
||||
|
||||
RUST:
|
||||
|
||||
```rust
|
||||
// Definition for singly-linked list.
|
||||
// #[derive(PartialEq, Eq, Clone, Debug)]
|
||||
|
|
@ -476,7 +492,7 @@ RUST:
|
|||
// pub val: i32,
|
||||
// pub next: Option<Box<ListNode>>
|
||||
// }
|
||||
//
|
||||
//
|
||||
// impl ListNode {
|
||||
// #[inline]
|
||||
// fn new(val: i32) -> Self {
|
||||
|
|
@ -504,7 +520,9 @@ impl Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
Scala:
|
||||
|
||||
```scala
|
||||
/**
|
||||
* Definition for singly-linked list.
|
||||
|
|
@ -535,7 +553,9 @@ object Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
Kotlin:
|
||||
|
||||
```kotlin
|
||||
/**
|
||||
* Example:
|
||||
|
|
@ -569,6 +589,7 @@ class Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
|
|
|
|||
|
|
@ -25,7 +25,8 @@
|
|||
|
||||
其实只需要改变链表的next指针的指向，直接将链表反转 ，而不用重新定义一个新的链表，如图所示:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
之前链表的头节点是元素1， 反转之后头结点就是元素5 ，这里并没有添加或者删除节点，仅仅是改变next指针的方向。
|
||||
|
||||
|
|
@ -67,6 +68,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
## 递归法
|
||||
|
||||
递归法相对抽象一些，但是其实和双指针法是一样的逻辑，同样是当cur为空的时候循环结束，不断将cur指向pre的过程。
|
||||
|
|
@ -96,6 +100,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n), 要递归处理链表的每个节点
|
||||
* 空间复杂度: O(n), 递归调用了 n 层栈空间
|
||||
|
||||
我们可以发现，上面的递归写法和双指针法实质上都是从前往后翻转指针指向，其实还有另外一种与双指针法不同思路的递归写法：从后往前翻转指针指向。
|
||||
|
||||
具体代码如下（带详细注释）：
|
||||
|
|
@ -119,6 +126,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
|
|
|||
|
|
@ -103,7 +103,7 @@ public:
|
|||
|
||||
解题的关键在于 窗口的起始位置如何移动，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
可以发现**滑动窗口的精妙之处在于根据当前子序列和大小的情况，不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。**
|
||||
|
||||
|
|
|
|||
|
|
@ -39,15 +39,15 @@
|
|||
|
||||
* 情况一：考虑不包含首尾元素
|
||||
|
||||
|
||||
|
||||
|
||||
* 情况二：考虑包含首元素，不包含尾元素
|
||||
|
||||
|
||||
|
||||
|
||||
* 情况三：考虑包含尾元素，不包含首元素
|
||||
|
||||
|
||||
|
||||
|
||||
**注意我这里用的是"考虑"**，例如情况三，虽然是考虑包含尾元素，但不一定要选尾部元素！ 对于情况三，取nums[1] 和 nums[3]就是最大的。
|
||||
|
||||
|
|
@ -82,6 +82,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
成环之后还是难了一些的， 不少题解没有把“考虑房间”和“偷房间”说清楚。
|
||||
|
|
|
|||
|
|
@ -1,3 +1,4 @@
|
|||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/xunlianying.html" target="_blank">
|
||||
<img src="../pics/训练营.png" width="1000"/>
|
||||
|
|
@ -7,17 +8,19 @@
|
|||
|
||||
|
||||
|
||||
|
||||
> 别看本篇选的是组合总和III，而不是组合总和，本题和上一篇77.组合相比难度刚刚好！
|
||||
|
||||
# 216.组合总和III
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/combination-sum-iii/)
|
||||
|
||||
找出所有相加之和为 n 的 k 个数的组合。组合中只允许含有 1 - 9 的正整数，并且每种组合中不存在重复的数字。
|
||||
找出所有相加之和为 n 的 k 个数的组合。组合中只允许含有 1 - 9 的正整数，并且每种组合中不存在重复的数字。
|
||||
|
||||
说明：
|
||||
|
||||
* 所有数字都是正整数。
|
||||
* 解集不能包含重复的组合。
|
||||
* 解集不能包含重复的组合。
|
||||
|
||||
示例 1:
|
||||
输入: k = 3, n = 7
|
||||
|
|
@ -46,7 +49,7 @@
|
|||
|
||||
选取过程如图：
|
||||
|
||||
|
||||
|
||||
|
||||
图中，可以看出，只有最后取到集合（1，3）和为4 符合条件。
|
||||
|
||||
|
|
@ -80,6 +83,7 @@ vector<vector<int>> result;
|
|||
vector<int> path;
|
||||
void backtracking(int targetSum, int k, int sum, int startIndex)
|
||||
```
|
||||
|
||||
其实这里sum这个参数也可以省略，每次targetSum减去选取的元素数值，然后判断如果targetSum为0了，说明收集到符合条件的结果了，我这里为了直观便于理解，还是加一个sum参数。
|
||||
|
||||
还要强调一下，回溯法中递归函数参数很难一次性确定下来，一般先写逻辑，需要啥参数了，填什么参数。
|
||||
|
|
@ -108,7 +112,7 @@ if (path.size() == k) {
|
|||
本题和[77. 组合](https://programmercarl.com/0077.组合.html)区别之一就是集合固定的就是9个数[1,...,9]，所以for循环固定i<=9
|
||||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
处理过程就是 path收集每次选取的元素，相当于树型结构里的边，sum来统计path里元素的总和。
|
||||
|
||||
|
|
@ -166,7 +170,7 @@ public:
|
|||
这道题目，剪枝操作其实是很容易想到了，想必大家看上面的树形图的时候已经想到了。
|
||||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
已选元素总和如果已经大于n（图中数值为4）了，那么往后遍历就没有意义了，直接剪掉。
|
||||
|
||||
|
|
@ -181,7 +185,6 @@ if (sum > targetSum) { // 剪枝操作
|
|||
当然这个剪枝也可以放在 调用递归之前，即放在这里，只不过要记得 要回溯操作给做了。
|
||||
|
||||
```CPP
|
||||
|
||||
for (int i = startIndex; i <= 9 - (k - path.size()) + 1; i++) { // 剪枝
|
||||
sum += i; // 处理
|
||||
path.push_back(i); // 处理
|
||||
|
|
@ -250,6 +253,7 @@ public:
|
|||
## Java
|
||||
|
||||
模板方法
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
List<List<Integer>> result = new ArrayList<>();
|
||||
|
|
@ -317,6 +321,7 @@ class Solution {
|
|||
```
|
||||
|
||||
其他方法
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
List<List<Integer>> res = new ArrayList<>();
|
||||
|
|
@ -429,12 +434,12 @@ var combinationSum3 = function(k, n) {
|
|||
const dfs = (path,index) => {
|
||||
// 剪枝操作
|
||||
if (sum > n){
|
||||
return
|
||||
return
|
||||
}
|
||||
if (path.length == k) {
|
||||
if(sum == n){
|
||||
res.push([...path]);
|
||||
return
|
||||
return
|
||||
}
|
||||
}
|
||||
for (let i = index; i <= 9 - (k-path.length) + 1;i++) {
|
||||
|
|
|
|||
|
|
@ -152,7 +152,7 @@ public:
|
|||
|
||||
我来举一个典型的例子如题：
|
||||
|
||||
<img src='https://img-blog.csdnimg.cn/20200920221638903.png' width=600> </img></div>
|
||||
<img src='https://code-thinking-1253855093.file.myqcloud.com/pics/20200920221638903-20230310123444151.png' width=600> </img>
|
||||
|
||||
完全二叉树只有两种情况，情况一：就是满二叉树，情况二：最后一层叶子节点没有满。
|
||||
|
||||
|
|
@ -161,10 +161,10 @@ public:
|
|||
对于情况二，分别递归左孩子，和右孩子，递归到某一深度一定会有左孩子或者右孩子为满二叉树，然后依然可以按照情况1来计算。
|
||||
|
||||
完全二叉树（一）如图：
|
||||
|
||||
|
||||
|
||||
完全二叉树（二）如图：
|
||||
|
||||
|
||||
|
||||
可以看出如果整个树不是满二叉树，就递归其左右孩子，直到遇到满二叉树为止，用公式计算这个子树（满二叉树）的节点数量。
|
||||
|
||||
|
|
@ -379,6 +379,20 @@ class Solution:
|
|||
return (2 << leftDepth) - 1 #注意(2<<1) 相当于2^2，所以leftDepth初始为0
|
||||
return self.countNodes(root.left) + self.countNodes(root.right) + 1
|
||||
```
|
||||
完全二叉树写法2
|
||||
```python
|
||||
class Solution: # 利用完全二叉树特性
|
||||
def countNodes(self, root: TreeNode) -> int:
|
||||
if not root: return 0
|
||||
count = 1
|
||||
left = root.left; right = root.right
|
||||
while left and right:
|
||||
count+=1
|
||||
left = left.left; right = right.right
|
||||
if not left and not right: # 如果同时到底说明是满二叉树，反之则不是
|
||||
return 2**count-1
|
||||
return 1+self.countNodes(root.left)+self.countNodes(root.right)
|
||||
```
|
||||
|
||||
## Go
|
||||
|
||||
|
|
|
|||
|
|
@ -111,6 +111,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: push为O(n)，其他为O(1)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
# 优化
|
||||
|
||||
|
|
@ -156,6 +158,9 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: push为O(n)，其他为O(1)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
# 其他语言版本
|
||||
|
||||
|
|
|
|||
|
|
@ -11,7 +11,8 @@
|
|||
|
||||
翻转一棵二叉树。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
这道题目背后有一个让程序员心酸的故事，听说 Homebrew的作者Max Howell，就是因为没在白板上写出翻转二叉树，最后被Google拒绝了。（真假不做判断，权当一个乐子哈）
|
||||
|
||||
|
|
@ -33,7 +34,8 @@
|
|||
|
||||
如果要从整个树来看，翻转还真的挺复杂，整个树以中间分割线进行翻转，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
可以发现想要翻转它，其实就把每一个节点的左右孩子交换一下就可以了。
|
||||
|
||||
|
|
|
|||
|
|
@ -112,6 +112,10 @@ public:
|
|||
|
||||
```
|
||||
|
||||
* 时间复杂度: push和empty为O(1), pop和peek为O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
## 拓展
|
||||
|
||||
可以看出peek()的实现，直接复用了pop()， 要不然，对stOut判空的逻辑又要重写一遍。
|
||||
|
|
|
|||
|
|
@ -15,7 +15,8 @@
|
|||
|
||||
例如，给定如下二叉搜索树: root = [6,2,8,0,4,7,9,null,null,3,5]
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
示例 1:
|
||||
|
||||
|
|
|
|||
|
|
@ -17,7 +17,8 @@
|
|||
|
||||
例如，给定如下二叉树: root = [3,5,1,6,2,0,8,null,null,7,4]
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
示例 1:
|
||||
输入: root = [3,5,1,6,2,0,8,null,null,7,4], p = 5, q = 1
|
||||
|
|
@ -130,7 +131,7 @@ left与right的逻辑处理; // 中
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
就像图中一样直接返回7，多美滋滋。
|
||||
|
||||
|
|
@ -163,7 +164,7 @@ TreeNode* right = lowestCommonAncestor(root->right, p, q);
|
|||
|
||||
如图：
|
||||
|
||||
|
||||
|
||||
|
||||
图中节点10的左子树返回null，右子树返回目标值7，那么此时节点10的处理逻辑就是把右子树的返回值（最近公共祖先7）返回上去！
|
||||
|
||||
|
|
@ -184,7 +185,7 @@ else { // (left == NULL && right == NULL)
|
|||
|
||||
那么寻找最小公共祖先，完整流程图如下：
|
||||
|
||||
|
||||
|
||||
|
||||
**从图中，大家可以看到，我们是如何回溯遍历整棵二叉树，将结果返回给头结点的！**
|
||||
|
||||
|
|
|
|||
|
|
@ -184,6 +184,9 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(k)
|
||||
|
||||
|
||||
再来看一下时间复杂度，使用单调队列的时间复杂度是 O(n)。
|
||||
|
||||
|
|
|
|||
|
|
@ -85,6 +85,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
|
|
|||
|
|
@ -16,7 +16,7 @@
|
|||
说明: 叶子节点是指没有子节点的节点。
|
||||
|
||||
示例:
|
||||
|
||||
|
||||
|
||||
# 思路
|
||||
|
||||
|
|
@ -28,7 +28,7 @@
|
|||
|
||||
前序遍历以及回溯的过程如图：
|
||||
|
||||
|
||||
|
||||
|
||||
我们先使用递归的方式，来做前序遍历。**要知道递归和回溯就是一家的，本题也需要回溯。**
|
||||
|
||||
|
|
|
|||
|
|
@ -94,7 +94,8 @@ for (int i = 0; i <= n; i++) { // 遍历背包
|
|||
|
||||
已输入n为5例，dp状态图如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
dp[0] = 0
|
||||
dp[1] = min(dp[0] + 1) = 1
|
||||
|
|
@ -126,6 +127,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n * √n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
同样我在给出先遍历物品，在遍历背包的代码，一样的可以AC的。
|
||||
|
||||
```CPP
|
||||
|
|
@ -144,6 +149,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 同上
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
|
|||
|
|
@ -82,7 +82,7 @@ for (int i = 1; i < nums.size(); i++) {
|
|||
|
||||
输入：[0,1,0,3,2]，dp数组的变化如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
如果代码写出来，但一直AC不了，那么就把dp数组打印出来，看看对不对！
|
||||
|
|
@ -106,6 +106,10 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n^2)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
|
|||
|
|
@ -45,7 +45,7 @@ dp[i][j]，第i天状态为j，所剩的最多现金为dp[i][j]。
|
|||
* 状态三：今天卖出股票
|
||||
* 状态四：今天为冷冻期状态，但冷冻期状态不可持续，只有一天！
|
||||
|
||||
|
||||
|
||||
|
||||
j的状态为：
|
||||
|
||||
|
|
@ -133,7 +133,8 @@ dp[i][3] = dp[i - 1][2];
|
|||
|
||||
以 [1,2,3,0,2] 为例，dp数组如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
最后结果是取 状态二，状态三，和状态四的最大值，不少同学会把状态四忘了，状态四是冷冻期，最后一天如果是冷冻期也可能是最大值。
|
||||
|
||||
|
|
|
|||
|
|
@ -106,7 +106,7 @@ dp[0] = 0;
|
|||
|
||||
以输入：coins = [1, 2, 5], amount = 5为例
|
||||
|
||||
|
||||
|
||||
|
||||
dp[amount]为最终结果。
|
||||
|
||||
|
|
@ -133,6 +133,11 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n * amount)，其中 n 为 coins 的长度
|
||||
* 空间复杂度: O(amount)
|
||||
|
||||
|
||||
|
||||
对于遍历方式遍历背包放在外循环，遍历物品放在内循环也是可以的，我就直接给出代码了
|
||||
|
||||
```CPP
|
||||
|
|
@ -154,6 +159,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 同上
|
||||
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
|
|||
|
|
@ -57,7 +57,7 @@
|
|||
|
||||
对于死循环，我来举一个有重复机场的例子：
|
||||
|
||||
|
||||
|
||||
|
||||
为什么要举这个例子呢，就是告诉大家，出发机场和到达机场也会重复的，**如果在解题的过程中没有对集合元素处理好，就会死循环。**
|
||||
|
||||
|
|
@ -111,7 +111,7 @@ void backtracking(参数) {
|
|||
|
||||
本题以输入：[["JFK", "KUL"], ["JFK", "NRT"], ["NRT", "JFK"]为例，抽象为树形结构如下：
|
||||
|
||||
|
||||
|
||||
|
||||
开始回溯三部曲讲解：
|
||||
|
||||
|
|
@ -137,7 +137,7 @@ bool backtracking(int ticketNum, vector<string>& result) {
|
|||
|
||||
因为我们只需要找到一个行程，就是在树形结构中唯一的一条通向叶子节点的路线，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
所以找到了这个叶子节点了直接返回，这个递归函数的返回值问题我们在讲解二叉树的系列的时候，在这篇[二叉树：递归函数究竟什么时候需要返回值，什么时候不要返回值？](https://programmercarl.com/0112.路径总和.html)详细介绍过。
|
||||
|
||||
|
|
|
|||
|
|
@ -13,7 +13,8 @@
|
|||
|
||||
计算在不触动警报的情况下，小偷一晚能够盗取的最高金额。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
|
|||
|
|
@ -129,7 +129,7 @@ for (int i = 3; i <= n ; i++) {
|
|||
|
||||
举例当n为10 的时候，dp数组里的数值，如下：
|
||||
|
||||
|
||||
|
||||
|
||||
以上动规五部曲分析完毕，C++代码如下：
|
||||
|
||||
|
|
|
|||
|
|
@ -130,6 +130,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
|
||||
|
||||
|
|
|
|||
|
|
@ -79,8 +79,6 @@
|
|||
|
||||
|
||||
```CPP
|
||||
// 时间复杂度：O(nlogk)
|
||||
// 空间复杂度：O(n)
|
||||
class Solution {
|
||||
public:
|
||||
// 小顶堆
|
||||
|
|
@ -120,6 +118,10 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(nlogk)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
# 拓展
|
||||
大家对这个比较运算在建堆时是如何应用的，为什么左大于右就会建立小顶堆，反而建立大顶堆比较困惑。
|
||||
|
||||
|
|
|
|||
|
|
@ -16,7 +16,7 @@
|
|||
|
||||
题意：给定两个数组，编写一个函数来计算它们的交集。
|
||||
|
||||
|
||||
|
||||
|
||||
**说明：**
|
||||
输出结果中的每个元素一定是唯一的。
|
||||
|
|
@ -72,6 +72,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(mn)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
## 拓展
|
||||
|
||||
那有同学可能问了，遇到哈希问题我直接都用set不就得了，用什么数组啊。
|
||||
|
|
@ -110,6 +113,8 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(m + n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
|
@ -143,9 +148,9 @@ class Solution {
|
|||
return resSet.stream().mapToInt(x -> x).toArray();
|
||||
|
||||
//方法2：另外申请一个数组存放setRes中的元素,最后返回数组
|
||||
int[] arr = new int[setRes.size()];
|
||||
int[] arr = new int[resSet.size()];
|
||||
int j = 0;
|
||||
for(int i : setRes){
|
||||
for(int i : resSet){
|
||||
arr[j++] = i;
|
||||
}
|
||||
|
||||
|
|
@ -169,6 +174,21 @@ class Solution:
|
|||
val_dict[num] = 0
|
||||
|
||||
return ans
|
||||
|
||||
class Solution: # 使用数组方法
|
||||
def intersection(self, nums1: List[int], nums2: List[int]) -> List[int]:
|
||||
count1 = [0]*1001
|
||||
count2 = [0]*1001
|
||||
result = []
|
||||
for i in range(len(nums1)):
|
||||
count1[nums1[i]]+=1
|
||||
for j in range(len(nums2)):
|
||||
count2[nums2[j]]+=1
|
||||
for k in range(1001):
|
||||
if count1[k]*count2[k]>0:
|
||||
result.append(k)
|
||||
return result
|
||||
|
||||
```
|
||||
|
||||
|
||||
|
|
|
|||
|
|
@ -4,7 +4,6 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
> 本周讲解了[贪心理论基础](https://programmercarl.com/贪心算法理论基础.html)，以及第一道贪心的题目：[贪心算法：分发饼干](https://programmercarl.com/0455.分发饼干.html)，可能会给大家一种贪心算法比较简单的错觉，好了，接下来几天的题目难度要上来了，哈哈。
|
||||
|
||||
# 376. 摆动序列
|
||||
|
|
@ -13,25 +12,32 @@
|
|||
|
||||
如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。少于两个元素的序列也是摆动序列。
|
||||
|
||||
例如， [1,7,4,9,2,5] 是一个摆动序列，因为差值 (6,-3,5,-7,3) 是正负交替出现的。相反, [1,4,7,2,5] 和 [1,7,4,5,5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
|
||||
例如， [1,7,4,9,2,5] 是一个摆动序列，因为差值 (6,-3,5,-7,3) 是正负交替出现的。相反, [1,4,7,2,5] 和 [1,7,4,5,5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
|
||||
|
||||
给定一个整数序列，返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。
|
||||
|
||||
示例 1:
|
||||
* 输入: [1,7,4,9,2,5]
|
||||
* 输出: 6
|
||||
* 解释: 整个序列均为摆动序列。
|
||||
|
||||
- 输入: [1,7,4,9,2,5]
|
||||
- 输出: 6
|
||||
- 解释: 整个序列均为摆动序列。
|
||||
|
||||
示例 2:
|
||||
* 输入: [1,17,5,10,13,15,10,5,16,8]
|
||||
* 输出: 7
|
||||
* 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
|
||||
|
||||
- 输入: [1,17,5,10,13,15,10,5,16,8]
|
||||
- 输出: 7
|
||||
- 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
|
||||
|
||||
示例 3:
|
||||
* 输入: [1,2,3,4,5,6,7,8,9]
|
||||
* 输出: 2
|
||||
|
||||
## 思路1（贪心解法）
|
||||
- 输入: [1,2,3,4,5,6,7,8,9]
|
||||
- 输出: 2
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，寻找摆动有细节！| LeetCode：376.摆动序列](https://www.bilibili.com/video/BV17M411b7NS)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路 1（贪心解法）
|
||||
|
||||
本题要求通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。
|
||||
|
||||
|
|
@ -41,7 +47,7 @@
|
|||
|
||||
用示例二来举例，如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
**局部最优：删除单调坡度上的节点（不包括单调坡度两端的节点），那么这个坡度就可以有两个局部峰值**。
|
||||
|
||||
|
|
@ -53,63 +59,61 @@
|
|||
|
||||
**实际操作上，其实连删除的操作都不用做，因为题目要求的是最长摆动子序列的长度，所以只需要统计数组的峰值数量就可以了（相当于是删除单一坡度上的节点，然后统计长度）**
|
||||
|
||||
**这就是贪心所贪的地方，让峰值尽可能的保持峰值，然后删除单一坡度上的节点**
|
||||
**这就是贪心所贪的地方，让峰值尽可能的保持峰值，然后删除单一坡度上的节点**
|
||||
|
||||
在计算是否有峰值的时候，大家知道遍历的下标i ，计算prediff（nums[i] - nums[i-1]） 和 curdiff（nums[i+1] - nums[i]），如果`prediff < 0 && curdiff > 0` 或者 `prediff > 0 && curdiff < 0` 此时就有波动就需要统计。
|
||||
在计算是否有峰值的时候，大家知道遍历的下标 i ，计算 prediff（nums[i] - nums[i-1]） 和 curdiff（nums[i+1] - nums[i]），如果`prediff < 0 && curdiff > 0` 或者 `prediff > 0 && curdiff < 0` 此时就有波动就需要统计。
|
||||
|
||||
这是我们思考本题的一个大题思路，但本题要考虑三种情况：
|
||||
|
||||
1. 情况一：上下坡中有平坡
|
||||
2. 情况二：数组首尾两端
|
||||
1. 情况一：上下坡中有平坡
|
||||
2. 情况二：数组首尾两端
|
||||
3. 情况三：单调坡中有平坡
|
||||
|
||||
### 情况一：上下坡中有平坡
|
||||
|
||||
例如 [1,2,2,2,1]这样的数组，如图：
|
||||
例如 [1,2,2,2,1]这样的数组，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
它的摇摆序列长度是多少呢？ **其实是长度是3**，也就是我们在删除的时候 要不删除左面的三个2，要不就删除右边的三个2。
|
||||
它的摇摆序列长度是多少呢？ **其实是长度是 3**，也就是我们在删除的时候 要不删除左面的三个 2，要不就删除右边的三个 2。
|
||||
|
||||
如图，可以统一规则，删除左边的三个2：
|
||||
如图，可以统一规则，删除左边的三个 2：
|
||||
|
||||
|
||||
|
||||
在图中，当i指向第一个2的时候，`prediff > 0 && curdiff = 0` ，当 i 指向最后一个2的时候 `prediff = 0 && curdiff < 0`。
|
||||
在图中，当 i 指向第一个 2 的时候，`prediff > 0 && curdiff = 0` ，当 i 指向最后一个 2 的时候 `prediff = 0 && curdiff < 0`。
|
||||
|
||||
如果我们采用，删左面三个2的规则，那么 当 `prediff = 0 && curdiff < 0` 也要记录一个峰值，因为他是把之前相同的元素都删掉留下的峰值。
|
||||
如果我们采用，删左面三个 2 的规则，那么 当 `prediff = 0 && curdiff < 0` 也要记录一个峰值，因为他是把之前相同的元素都删掉留下的峰值。
|
||||
|
||||
所以我们记录峰值的条件应该是： `(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)`，为什么这里允许 prediff == 0 ，就是为了 上面我说的这种情况。
|
||||
所以我们记录峰值的条件应该是： `(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)`，为什么这里允许 prediff == 0 ，就是为了 上面我说的这种情况。
|
||||
|
||||
### 情况二：数组首尾两端
|
||||
|
||||
### 情况二：数组首尾两端
|
||||
所以本题统计峰值的时候，数组最左面和最右面如何统计呢？
|
||||
|
||||
题目中说了，如果只有两个不同的元素，那摆动序列也是 2。
|
||||
|
||||
所以本题统计峰值的时候，数组最左面和最右面如果统计呢？
|
||||
|
||||
题目中说了，如果只有两个不同的元素，那摆动序列也是2。
|
||||
|
||||
例如序列[2,5]，如果靠统计差值来计算峰值个数就需要考虑数组最左面和最右面的特殊情况。
|
||||
例如序列[2,5]，如果靠统计差值来计算峰值个数就需要考虑数组最左面和最右面的特殊情况。
|
||||
|
||||
因为我们在计算 prediff（nums[i] - nums[i-1]） 和 curdiff（nums[i+1] - nums[i]）的时候，至少需要三个数字才能计算，而数组只有两个数字。
|
||||
|
||||
这里我们可以写死，就是 如果只有两个元素，且元素不同，那么结果为2。
|
||||
这里我们可以写死，就是 如果只有两个元素，且元素不同，那么结果为 2。
|
||||
|
||||
不写死的话，如果和我们的判断规则结合在一起呢？
|
||||
不写死的话，如果和我们的判断规则结合在一起呢？
|
||||
|
||||
可以假设，数组最前面还有一个数字，那这个数字应该是什么呢？
|
||||
可以假设，数组最前面还有一个数字，那这个数字应该是什么呢？
|
||||
|
||||
之前我们在 讨论 情况一：相同数字连续 的时候， prediff = 0 ，curdiff < 0 或者 >0 也记为波谷。
|
||||
之前我们在 讨论 情况一：相同数字连续 的时候， prediff = 0 ，curdiff < 0 或者 >0 也记为波谷。
|
||||
|
||||
那么为了规则统一，针对序列[2,5]，可以假设为[2,2,5]，这样它就有坡度了即preDiff = 0，如图：
|
||||
那么为了规则统一，针对序列[2,5]，可以假设为[2,2,5]，这样它就有坡度了即 preDiff = 0，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
针对以上情形，result初始为1（默认最右面有一个峰值），此时curDiff > 0 && preDiff <= 0，那么result++（计算了左面的峰值），最后得到的result就是2（峰值个数为2即摆动序列长度为2）
|
||||
针对以上情形，result 初始为 1（默认最右面有一个峰值），此时 curDiff > 0 && preDiff <= 0，那么 result++（计算了左面的峰值），最后得到的 result 就是 2（峰值个数为 2 即摆动序列长度为 2）
|
||||
|
||||
经过以上分析后，我们可以写出如下代码：
|
||||
|
||||
```CPP
|
||||
```CPP
|
||||
// 版本一
|
||||
class Solution {
|
||||
public:
|
||||
|
|
@ -129,33 +133,34 @@ public:
|
|||
return result;
|
||||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度：O(n)
|
||||
* 空间复杂度：O(1)
|
||||
```
|
||||
|
||||
此时大家是不是发现 以上代码提交也不能通过本题？
|
||||
- 时间复杂度：O(n)
|
||||
- 空间复杂度：O(1)
|
||||
|
||||
此时大家是不是发现 以上代码提交也不能通过本题？
|
||||
|
||||
所以此时我们要讨论情况三！
|
||||
|
||||
### 情况三：单调坡度有平坡
|
||||
### 情况三：单调坡度有平坡
|
||||
|
||||
在版本一中，我们忽略了一种情况，即 如果在一个单调坡度上有平坡，例如[1,2,2,2,3,4]，如图：
|
||||
在版本一中，我们忽略了一种情况，即 如果在一个单调坡度上有平坡，例如[1,2,2,2,3,4]，如图：
|
||||
|
||||
|
||||
|
||||
图中，我们可以看出，版本一的代码在三个地方记录峰值，但其实结果因为是2，因为 单调中的平坡 不能算峰值（即摆动）。
|
||||
图中，我们可以看出，版本一的代码在三个地方记录峰值，但其实结果因为是 2，因为 单调中的平坡 不能算峰值（即摆动）。
|
||||
|
||||
之所以版本一会出问题，是因为我们实时更新了 prediff。
|
||||
之所以版本一会出问题，是因为我们实时更新了 prediff。
|
||||
|
||||
那么我们应该什么时候更新prediff呢？
|
||||
那么我们应该什么时候更新 prediff 呢？
|
||||
|
||||
我们只需要在 这个坡度 摆动变化的时候，更新prediff就行，这样prediff在 单调区间有平坡的时候 就不会发生变化，造成我们的误判。
|
||||
我们只需要在 这个坡度 摆动变化的时候，更新 prediff 就行，这样 prediff 在 单调区间有平坡的时候 就不会发生变化，造成我们的误判。
|
||||
|
||||
所以本题的最终代码为：
|
||||
|
||||
```CPP
|
||||
|
||||
// 版本二
|
||||
// 版本二
|
||||
class Solution {
|
||||
public:
|
||||
int wiggleMaxLength(vector<int>& nums) {
|
||||
|
|
@ -168,7 +173,7 @@ public:
|
|||
// 出现峰值
|
||||
if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) {
|
||||
result++;
|
||||
preDiff = curDiff; // 注意这里，只在摆动变化的时候更新prediff
|
||||
preDiff = curDiff; // 注意这里，只在摆动变化的时候更新prediff
|
||||
}
|
||||
}
|
||||
return result;
|
||||
|
|
@ -176,25 +181,25 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
其实本题看起来好像简单，但需要考虑的情况还是很复杂的，而且很难一次性想到位。
|
||||
其实本题看起来好像简单，但需要考虑的情况还是很复杂的，而且很难一次性想到位。
|
||||
|
||||
**本题异常情况的本质，就是要考虑平坡**， 平坡分两种，一个是 上下中间有平坡，一个是单调有平坡，如图：
|
||||
**本题异常情况的本质，就是要考虑平坡**， 平坡分两种，一个是 上下中间有平坡，一个是单调有平坡，如图：
|
||||
|
||||
|
||||
|
||||
## 思路2（动态规划）
|
||||
## 思路 2（动态规划）
|
||||
|
||||
考虑用动态规划的思想来解决这个问题。
|
||||
|
||||
很容易可以发现，对于我们当前考虑的这个数，要么是作为山峰（即nums[i] > nums[i-1]），要么是作为山谷（即nums[i] < nums[i - 1]）。
|
||||
很容易可以发现，对于我们当前考虑的这个数，要么是作为山峰（即 nums[i] > nums[i-1]），要么是作为山谷（即 nums[i] < nums[i - 1]）。
|
||||
|
||||
* 设dp状态`dp[i][0]`，表示考虑前i个数，第i个数作为山峰的摆动子序列的最长长度
|
||||
* 设dp状态`dp[i][1]`，表示考虑前i个数，第i个数作为山谷的摆动子序列的最长长度
|
||||
- 设 dp 状态`dp[i][0]`，表示考虑前 i 个数，第 i 个数作为山峰的摆动子序列的最长长度
|
||||
- 设 dp 状态`dp[i][1]`，表示考虑前 i 个数，第 i 个数作为山谷的摆动子序列的最长长度
|
||||
|
||||
则转移方程为：
|
||||
|
||||
* `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将nums[i]接到前面某个山谷后面，作为山峰。
|
||||
* `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将nums[i]接到前面某个山峰后面，作为山谷。
|
||||
- `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将 nums[i]接到前面某个山谷后面，作为山峰。
|
||||
- `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将 nums[i]接到前面某个山峰后面，作为山谷。
|
||||
|
||||
初始状态：
|
||||
|
||||
|
|
@ -223,28 +228,25 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度：O(n^2)
|
||||
* 空间复杂度：O(n)
|
||||
- 时间复杂度：O(n^2)
|
||||
- 空间复杂度：O(n)
|
||||
|
||||
**进阶**
|
||||
|
||||
可以用两棵线段树来维护区间的最大值
|
||||
|
||||
* 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
|
||||
* 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
|
||||
* 则dp转移方程中就没有必要j从0遍历到i-1，可以直接在线段树中查询指定区间的值即可。
|
||||
- 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
|
||||
- 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
|
||||
- 则 dp 转移方程中就没有必要 j 从 0 遍历到 i-1，可以直接在线段树中查询指定区间的值即可。
|
||||
|
||||
时间复杂度：O(nlog n)
|
||||
|
||||
空间复杂度：O(n)
|
||||
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
|
||||
### Java
|
||||
```Java
|
||||
class Solution {
|
||||
public int wiggleMaxLength(int[] nums) {
|
||||
|
|
@ -270,6 +272,7 @@ class Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
```java
|
||||
// DP
|
||||
class Solution {
|
||||
|
|
@ -300,7 +303,7 @@ class Solution {
|
|||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
### Python
|
||||
|
||||
**贪心**
|
||||
|
||||
|
|
@ -332,7 +335,7 @@ class Solution:
|
|||
# nums[i] 为波谷
|
||||
if nums[j] > nums[i]:
|
||||
dp[i][1] = max(dp[i][1], dp[j][0] + 1)
|
||||
# nums[i] 为波峰
|
||||
# nums[i] 为波峰
|
||||
if nums[j] < nums[i]:
|
||||
dp[i][0] = max(dp[i][0], dp[j][1] + 1)
|
||||
return max(dp[-1][0], dp[-1][1])
|
||||
|
|
@ -357,9 +360,10 @@ class Solution:
|
|||
return max(up, down)
|
||||
```
|
||||
|
||||
### Go
|
||||
### Go
|
||||
|
||||
**贪心**
|
||||
|
||||
```go
|
||||
func wiggleMaxLength(nums []int) int {
|
||||
n := len(nums)
|
||||
|
|
@ -383,6 +387,7 @@ func wiggleMaxLength(nums []int) int {
|
|||
```
|
||||
|
||||
**动态规划**
|
||||
|
||||
```go
|
||||
func wiggleMaxLength(nums []int) int {
|
||||
n := len(nums)
|
||||
|
|
@ -419,8 +424,10 @@ func max(a, b int) int {
|
|||
}
|
||||
```
|
||||
|
||||
### Javascript
|
||||
### Javascript
|
||||
|
||||
**贪心**
|
||||
|
||||
```Javascript
|
||||
var wiggleMaxLength = function(nums) {
|
||||
if(nums.length <= 1) return nums.length
|
||||
|
|
@ -437,10 +444,12 @@ var wiggleMaxLength = function(nums) {
|
|||
return result
|
||||
};
|
||||
```
|
||||
|
||||
**动态规划**
|
||||
|
||||
```Javascript
|
||||
var wiggleMaxLength = function(nums) {
|
||||
if (nums.length === 1) return 1;
|
||||
if (nums.length === 1) return 1;
|
||||
// 考虑前i个数，当第i个值作为峰谷时的情况（则第i-1是峰顶）
|
||||
let down = 1;
|
||||
// 考虑前i个数，当第i个值作为峰顶时的情况（则第i-1是峰谷）
|
||||
|
|
@ -458,35 +467,60 @@ var wiggleMaxLength = function(nums) {
|
|||
```
|
||||
|
||||
### Rust
|
||||
|
||||
**贪心**
|
||||
|
||||
```Rust
|
||||
impl Solution {
|
||||
pub fn wiggle_max_length(nums: Vec<i32>) -> i32 {
|
||||
let len = nums.len() as usize;
|
||||
if len <= 1 {
|
||||
return len as i32;
|
||||
if nums.len() == 1 {
|
||||
return 1;
|
||||
}
|
||||
let mut preDiff = 0;
|
||||
let mut curDiff = 0;
|
||||
let mut result = 1;
|
||||
for i in 0..len-1 {
|
||||
curDiff = nums[i+1] - nums[i];
|
||||
if (preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0) {
|
||||
result += 1;
|
||||
preDiff = curDiff;
|
||||
let mut res = 1;
|
||||
let mut pre_diff = 0;
|
||||
for i in 0..nums.len() - 1 {
|
||||
let cur_diff = nums[i + 1] - nums[i];
|
||||
if (pre_diff <= 0 && cur_diff > 0) || (pre_diff >= 0 && cur_diff < 0) {
|
||||
res += 1;
|
||||
pre_diff = cur_diff;
|
||||
}
|
||||
}
|
||||
result
|
||||
res
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
**动态规划**
|
||||
|
||||
```rust
|
||||
impl Solution {
|
||||
pub fn wiggle_max_length(nums: Vec<i32>) -> i32 {
|
||||
if nums.len() == 1 {
|
||||
return 1;
|
||||
}
|
||||
let (mut down, mut up) = (1, 1);
|
||||
for i in 1..nums.len() {
|
||||
// i - 1 为峰顶
|
||||
if nums[i] < nums[i - 1] {
|
||||
down = down.max(up + 1);
|
||||
}
|
||||
// i - 1 为峰谷
|
||||
if nums[i] > nums[i - 1] {
|
||||
up = up.max(down + 1);
|
||||
}
|
||||
}
|
||||
down.max(up)
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### C
|
||||
|
||||
**贪心**
|
||||
|
||||
```c
|
||||
int wiggleMaxLength(int* nums, int numsSize){
|
||||
if(numsSize <= 1)
|
||||
if(numsSize <= 1)
|
||||
return numsSize;
|
||||
|
||||
int length = 1;
|
||||
|
|
@ -546,54 +580,49 @@ int wiggleMaxLength(int* nums, int numsSize){
|
|||
}
|
||||
```
|
||||
|
||||
|
||||
|
||||
### TypeScript
|
||||
|
||||
**贪心**
|
||||
|
||||
```typescript
|
||||
function wiggleMaxLength(nums: number[]): number {
|
||||
let length: number = nums.length;
|
||||
if (length <= 1) return length;
|
||||
let preDiff: number = 0;
|
||||
let curDiff: number = 0;
|
||||
let count: number = 1;
|
||||
for (let i = 1; i < length; i++) {
|
||||
curDiff = nums[i] - nums[i - 1];
|
||||
if (
|
||||
(preDiff <= 0 && curDiff > 0) ||
|
||||
(preDiff >= 0 && curDiff < 0)
|
||||
) {
|
||||
preDiff = curDiff;
|
||||
count++;
|
||||
}
|
||||
let length: number = nums.length;
|
||||
if (length <= 1) return length;
|
||||
let preDiff: number = 0;
|
||||
let curDiff: number = 0;
|
||||
let count: number = 1;
|
||||
for (let i = 1; i < length; i++) {
|
||||
curDiff = nums[i] - nums[i - 1];
|
||||
if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) {
|
||||
preDiff = curDiff;
|
||||
count++;
|
||||
}
|
||||
return count;
|
||||
};
|
||||
}
|
||||
return count;
|
||||
}
|
||||
```
|
||||
|
||||
**动态规划**
|
||||
|
||||
```typescript
|
||||
function wiggleMaxLength(nums: number[]): number {
|
||||
const length: number = nums.length;
|
||||
if (length <= 1) return length;
|
||||
const dp: number[][] = new Array(length).fill(0).map(_ => []);
|
||||
dp[0][0] = 1; // 第一个数作为波峰
|
||||
dp[0][1] = 1; // 第一个数作为波谷
|
||||
for (let i = 1; i < length; i++) {
|
||||
dp[i][0] = 1;
|
||||
dp[i][1] = 1;
|
||||
for (let j = 0; j < i; j++) {
|
||||
if (nums[j] < nums[i]) dp[i][0] = Math.max(dp[i][0], dp[j][1] + 1);
|
||||
}
|
||||
for (let j = 0; j < i; j++) {
|
||||
if (nums[j] > nums[i]) dp[i][1] = Math.max(dp[i][1], dp[j][0] + 1);
|
||||
}
|
||||
const length: number = nums.length;
|
||||
if (length <= 1) return length;
|
||||
const dp: number[][] = new Array(length).fill(0).map((_) => []);
|
||||
dp[0][0] = 1; // 第一个数作为波峰
|
||||
dp[0][1] = 1; // 第一个数作为波谷
|
||||
for (let i = 1; i < length; i++) {
|
||||
dp[i][0] = 1;
|
||||
dp[i][1] = 1;
|
||||
for (let j = 0; j < i; j++) {
|
||||
if (nums[j] < nums[i]) dp[i][0] = Math.max(dp[i][0], dp[j][1] + 1);
|
||||
}
|
||||
return Math.max(dp[length - 1][0], dp[length - 1][1]);
|
||||
};
|
||||
for (let j = 0; j < i; j++) {
|
||||
if (nums[j] > nums[i]) dp[i][1] = Math.max(dp[i][1], dp[j][0] + 1);
|
||||
}
|
||||
}
|
||||
return Math.max(dp[length - 1][0], dp[length - 1][1]);
|
||||
}
|
||||
```
|
||||
|
||||
### Scala
|
||||
|
|
@ -626,3 +655,4 @@ object Solution {
|
|||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
<img src="../pics/网站星球宣传海报.jpg" width="1000"/>
|
||||
</a>
|
||||
|
||||
|
|
|
|||
|
|
@ -105,7 +105,7 @@ dp[i]（考虑nums[j]）可以由 dp[i - nums[j]]（不考虑nums[j]） 推导
|
|||
|
||||
我们再来用示例中的例子推导一下：
|
||||
|
||||
|
||||
|
||||
|
||||
如果代码运行处的结果不是想要的结果，就把dp[i]都打出来，看看和我们推导的一不一样。
|
||||
|
||||
|
|
@ -130,6 +130,11 @@ public:
|
|||
|
||||
```
|
||||
|
||||
* 时间复杂度: O(target * n)，其中 n 为 nums 的长度
|
||||
* 空间复杂度: O(target)
|
||||
|
||||
|
||||
|
||||
C++测试用例有两个数相加超过int的数据，所以需要在if里加上dp[i] < INT_MAX - dp[i - num]。
|
||||
|
||||
但java就不用考虑这个限制，java里的int也是四个字节吧，也有可能leetcode后台对不同语言的测试数据不一样。
|
||||
|
|
|
|||
|
|
@ -39,8 +39,6 @@ canConstruct("aa", "aab") -> true
|
|||
那么第一个思路其实就是暴力枚举了，两层for循环，不断去寻找，代码如下：
|
||||
|
||||
```CPP
|
||||
// 时间复杂度: O(n^2)
|
||||
// 空间复杂度：O(1)
|
||||
class Solution {
|
||||
public:
|
||||
bool canConstruct(string ransomNote, string magazine) {
|
||||
|
|
@ -62,6 +60,9 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n^2)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
这里时间复杂度是比较高的，而且里面还有一个字符串删除也就是erase的操作，也是费时的，当然这段代码也可以过这道题。
|
||||
|
||||
|
||||
|
|
@ -78,8 +79,6 @@ public:
|
|||
代码如下：
|
||||
|
||||
```CPP
|
||||
// 时间复杂度: O(n)
|
||||
// 空间复杂度：O(1)
|
||||
class Solution {
|
||||
public:
|
||||
bool canConstruct(string ransomNote, string magazine) {
|
||||
|
|
@ -105,6 +104,10 @@ public:
|
|||
};
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
|
|
|||
|
|
@ -77,7 +77,8 @@ if (s[i - 1] != t[j - 1])，此时相当于t要删除元素，t如果把当前
|
|||
|
||||
因为这样的定义在dp二维矩阵中可以留出初始化的区间，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
如果要是定义的dp[i][j]是以下标i为结尾的字符串s和以下标j为结尾的字符串t，初始化就比较麻烦了。
|
||||
|
||||
|
|
@ -94,13 +95,15 @@ vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));
|
|||
|
||||
如图所示：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
5. 举例推导dp数组
|
||||
|
||||
以示例一为例，输入：s = "abc", t = "ahbgdc"，dp状态转移图如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
dp[i][j]表示以下标i-1为结尾的字符串s和以下标j-1为结尾的字符串t 相同子序列的长度，所以如果dp[s.size()][t.size()] 与 字符串s的长度相同说明：s与t的最长相同子序列就是s，那么s 就是 t 的子序列。
|
||||
|
||||
|
|
|
|||
|
|
@ -13,7 +13,8 @@
|
|||
|
||||
示例：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 视频讲解
|
||||
|
||||
|
|
@ -27,8 +28,7 @@
|
|||
|
||||
大家思考一下如下图中二叉树，左叶子之和究竟是多少？
|
||||
|
||||
|
||||
|
||||
|
||||
**其实是0，因为这棵树根本没有左叶子！**
|
||||
|
||||
但看这个图的左叶子之和是多少？
|
||||
|
|
|
|||
|
|
@ -37,6 +37,10 @@
|
|||
|
||||
题目数据确保队列可以被重建
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，不要两边一起贪，会顾此失彼 | LeetCode：406.根据身高重建队列](https://www.bilibili.com/video/BV1EA411675Y)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
本题有两个维度，h和k，看到这种题目一定要想如何确定一个维度，然后再按照另一个维度重新排列。
|
||||
|
|
@ -59,7 +63,7 @@
|
|||
|
||||
以图中{5,2} 为例：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
按照身高排序之后，优先按身高高的people的k来插入，后序插入节点也不会影响前面已经插入的节点，最终按照k的规则完成了队列。
|
||||
|
|
|
|||
|
|
@ -148,7 +148,8 @@ dp[j]的数值一定是小于等于j的。
|
|||
|
||||
用例1，输入[1,5,11,5] 为例，如图：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
最后dp[11] == 11，说明可以将这个数组分割成两个子集，使得两个子集的元素和相等。
|
||||
|
||||
|
|
@ -302,7 +303,7 @@ class Solution:
|
|||
target = sum(nums)
|
||||
if target % 2 == 1: return False
|
||||
target //= 2
|
||||
dp = [0] * (len(nums) + 1)
|
||||
dp = [0] * (target + 1)
|
||||
for i in range(len(nums)):
|
||||
for j in range(target, nums[i] - 1, -1):
|
||||
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
|
||||
|
|
|
|||
|
|
@ -230,15 +230,228 @@ for (int j = 0; j < m; j++) {
|
|||
dfs (heights, pacific, 0, j); // 遍历最左列，接触太平洋
|
||||
dfs (heights, atlantic, n - 1, j); // 遍历最右列，接触大西洋
|
||||
}
|
||||
```
|
||||
```
|
||||
|
||||
那么本题整体的时间复杂度其实是： 2 * n * m + n * m ，所以最终时间复杂度为 O(n * m) 。
|
||||
|
||||
空间复杂度为：O(n * m) 这个就不难理解了。开了几个 n * m 的数组。
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
### Java
|
||||
|
||||
深度优先遍历：
|
||||
|
||||
```Java
|
||||
class Solution {
|
||||
// 四个位置
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
|
||||
|
||||
/**
|
||||
* @param heights 题目给定的二维数组
|
||||
* @param row 当前位置的行号
|
||||
* @param col 当前位置的列号
|
||||
* @param sign 记录是哪一条河，两条河中可以一个为 0，一个为 1
|
||||
* @param visited 记录这个位置可以到哪条河
|
||||
*/
|
||||
public void dfs(int[][] heights, int row, int col, int sign, boolean[][][] visited) {
|
||||
for (int[] current: position) {
|
||||
int curRow = row + current[0], curCol = col + current[1];
|
||||
// 越界
|
||||
if (curRow < 0 || curRow >= heights.length || curCol < 0 || curCol >= heights[0].length)
|
||||
continue;
|
||||
// 高度不合适或者已经被访问过了
|
||||
if (heights[curRow][curCol] < heights[row][col] || visited[curRow][curCol][sign]) continue;
|
||||
visited[curRow][curCol][sign] = true;
|
||||
dfs(heights, curRow, curCol, sign, visited);
|
||||
}
|
||||
}
|
||||
|
||||
public List<List<Integer>> pacificAtlantic(int[][] heights) {
|
||||
int rowSize = heights.length, colSize = heights[0].length;
|
||||
List<List<Integer>> ans = new ArrayList<>();
|
||||
// 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
|
||||
// 假设太平洋的标记为 1，大西洋为 0
|
||||
boolean[][][] visited = new boolean[rowSize][colSize][2];
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
visited[row][colSize - 1][0] = true;
|
||||
visited[row][0][1] = true;
|
||||
dfs(heights, row, colSize - 1, 0, visited);
|
||||
dfs(heights, row, 0, 1, visited);
|
||||
}
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
visited[rowSize - 1][col][0] = true;
|
||||
visited[0][col][1] = true;
|
||||
dfs(heights, rowSize - 1, col, 0, visited);
|
||||
dfs(heights, 0, col, 1, visited);
|
||||
}
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
// 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
|
||||
if (visited[row][col][0] && visited[row][col][1])
|
||||
ans.add(List.of(row, col));
|
||||
}
|
||||
}
|
||||
return ans;
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
广度优先遍历：
|
||||
|
||||
```Java
|
||||
class Solution {
|
||||
// 四个位置
|
||||
private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
|
||||
|
||||
/**
|
||||
* @param heights 题目给定的二维数组
|
||||
* @param queue 记录可以到达边界的节点
|
||||
* @param visited 记录这个位置可以到哪条河
|
||||
*/
|
||||
public void bfs(int[][] heights, Queue<int[]> queue, boolean[][][] visited) {
|
||||
while (!queue.isEmpty()) {
|
||||
int[] curPos = queue.poll();
|
||||
for (int[] current: position) {
|
||||
int row = curPos[0] + current[0], col = curPos[1] + current[1], sign = curPos[2];
|
||||
// 越界
|
||||
if (row < 0 || row >= heights.length || col < 0 || col >= heights[0].length) continue;
|
||||
// 高度不合适或者已经被访问过了
|
||||
if (heights[row][col] < heights[curPos[0]][curPos[1]] || visited[row][col][sign]) continue;
|
||||
visited[row][col][sign] = true;
|
||||
queue.add(new int[]{row, col, sign});
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
public List<List<Integer>> pacificAtlantic(int[][] heights) {
|
||||
int rowSize = heights.length, colSize = heights[0].length;
|
||||
List<List<Integer>> ans = new ArrayList<>();
|
||||
boolean[][][] visited = new boolean[rowSize][colSize][2];
|
||||
// 队列，保存的数据为 [行号, 列号, 标记]
|
||||
// 假设太平洋的标记为 1，大西洋为 0
|
||||
Queue<int[]> queue = new ArrayDeque<>();
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
visited[row][colSize - 1][0] = true;
|
||||
visited[row][0][1] = true;
|
||||
queue.add(new int[]{row, colSize - 1, 0});
|
||||
queue.add(new int[]{row, 0, 1});
|
||||
}
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
visited[rowSize - 1][col][0] = true;
|
||||
visited[0][col][1] = true;
|
||||
queue.add(new int[]{rowSize - 1, col, 0});
|
||||
queue.add(new int[]{0, col, 1});
|
||||
}
|
||||
bfs(heights, queue, visited);
|
||||
for (int row = 0; row < rowSize; row++) {
|
||||
for (int col = 0; col < colSize; col++) {
|
||||
// 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
|
||||
if (visited[row][col][0] && visited[row][col][1])
|
||||
ans.add(List.of(row, col));
|
||||
}
|
||||
}
|
||||
return ans;
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### Python
|
||||
|
||||
深度优先遍历
|
||||
|
||||
```Python3
|
||||
class Solution:
|
||||
def __init__(self):
|
||||
self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]] # 四个方向
|
||||
|
||||
# heights：题目给定的二维数组， row：当前位置的行号， col：当前位置的列号
|
||||
# sign：记录是哪一条河，两条河中可以一个为 0，一个为 1
|
||||
# visited：记录这个位置可以到哪条河
|
||||
def dfs(self, heights: List[List[int]], row: int, col: int, sign: int, visited: List[List[List[int]]]):
|
||||
for current in self.position:
|
||||
curRow, curCol = row + current[0], col + current[1]
|
||||
# 索引下标越界
|
||||
if curRow < 0 or curRow >= len(heights) or curCol < 0 or curCol >= len(heights[0]): continue
|
||||
# 不满足条件或者已经被访问过
|
||||
if heights[curRow][curCol] < heights[row][col] or visited[curRow][curCol][sign]: continue
|
||||
visited[curRow][curCol][sign] = True
|
||||
self.dfs(heights, curRow, curCol, sign, visited)
|
||||
|
||||
def pacificAtlantic(self, heights: List[List[int]]) -> List[List[int]]:
|
||||
rowSize, colSize = len(heights), len(heights[0])
|
||||
# visited 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
|
||||
# 假设太平洋的标记为 1，大西洋为 0
|
||||
# ans 用来保存满足条件的答案
|
||||
ans, visited = [], [[[False for _ in range(2)] for _ in range(colSize)] for _ in range(rowSize)]
|
||||
for row in range(rowSize):
|
||||
visited[row][0][1] = True
|
||||
visited[row][colSize - 1][0] = True
|
||||
self.dfs(heights, row, 0, 1, visited)
|
||||
self.dfs(heights, row, colSize - 1, 0, visited)
|
||||
for col in range(0, colSize):
|
||||
visited[0][col][1] = True
|
||||
visited[rowSize - 1][col][0] = True
|
||||
self.dfs(heights, 0, col, 1, visited)
|
||||
self.dfs(heights, rowSize - 1, col, 0, visited)
|
||||
for row in range(rowSize):
|
||||
for col in range(colSize):
|
||||
# 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
|
||||
if visited[row][col][0] and visited[row][col][1]:
|
||||
ans.append([row, col])
|
||||
return ans
|
||||
```
|
||||
|
||||
广度优先遍历
|
||||
|
||||
```Python3
|
||||
class Solution:
|
||||
def __init__(self):
|
||||
self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]]
|
||||
|
||||
# heights：题目给定的二维数组，visited：记录这个位置可以到哪条河
|
||||
def bfs(self, heights: List[List[int]], queue: deque, visited: List[List[List[int]]]):
|
||||
while queue:
|
||||
curPos = queue.popleft()
|
||||
for current in self.position:
|
||||
row, col, sign = curPos[0] + current[0], curPos[1] + current[1], curPos[2]
|
||||
# 越界
|
||||
if row < 0 or row >= len(heights) or col < 0 or col >= len(heights[0]): continue
|
||||
# 不满足条件或已经访问过
|
||||
if heights[row][col] < heights[curPos[0]][curPos[1]] or visited[row][col][sign]: continue
|
||||
visited[row][col][sign] = True
|
||||
queue.append([row, col, sign])
|
||||
|
||||
def pacificAtlantic(self, heights: List[List[int]]) -> List[List[int]]:
|
||||
rowSize, colSize = len(heights), len(heights[0])
|
||||
# visited 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
|
||||
# 假设太平洋的标记为 1，大西洋为 0
|
||||
# ans 用来保存满足条件的答案
|
||||
ans, visited = [], [[[False for _ in range(2)] for _ in range(colSize)] for _ in range(rowSize)]
|
||||
# 队列，保存的数据为 [行号, 列号, 标记]
|
||||
# 假设太平洋的标记为 1，大西洋为 0
|
||||
queue = deque()
|
||||
for row in range(rowSize):
|
||||
visited[row][0][1] = True
|
||||
visited[row][colSize - 1][0] = True
|
||||
queue.append([row, 0, 1])
|
||||
queue.append([row, colSize - 1, 0])
|
||||
for col in range(0, colSize):
|
||||
visited[0][col][1] = True
|
||||
visited[rowSize - 1][col][0] = True
|
||||
queue.append([0, col, 1])
|
||||
queue.append([rowSize - 1, col, 0])
|
||||
self.bfs(heights, queue, visited) # 广度优先遍历
|
||||
for row in range(rowSize):
|
||||
for col in range(colSize):
|
||||
# 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
|
||||
if visited[row][col][0] and visited[row][col][1]:
|
||||
ans.append([row, col])
|
||||
return ans
|
||||
```
|
||||
|
||||
|
||||
|
||||
|
||||
<p align="center">
|
||||
<a href="https://programmercarl.com/other/kstar.html" target="_blank">
|
||||
|
|
|
|||
|
|
@ -30,6 +30,10 @@
|
|||
* 输出: 0
|
||||
* 解释: 你不需要移除任何区间，因为它们已经是无重叠的了。
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，依然是判断重叠区间 | LeetCode：435.无重叠区间](https://www.bilibili.com/video/BV1A14y1c7E1)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
**相信很多同学看到这道题目都冥冥之中感觉要排序，但是究竟是按照右边界排序，还是按照左边界排序呢？**
|
||||
|
|
@ -395,18 +399,20 @@ object Solution {
|
|||
```Rust
|
||||
impl Solution {
|
||||
pub fn erase_overlap_intervals(intervals: Vec<Vec<i32>>) -> i32 {
|
||||
if intervals.len() == 0 { return 0; }
|
||||
let mut intervals = intervals;
|
||||
intervals.sort_by(|a, b| a[1].cmp(&b[1]));
|
||||
if intervals.is_empty() {
|
||||
return 0;
|
||||
}
|
||||
intervals.sort_by_key(|interval| interval[1]);
|
||||
let mut count = 1;
|
||||
let mut end = intervals[0][1];
|
||||
for i in 1..intervals.len() {
|
||||
if end <= intervals[i][0] {
|
||||
end = intervals[i][1];
|
||||
for v in intervals.iter().skip(1) {
|
||||
if end <= v[0] {
|
||||
end = v[1];
|
||||
count += 1;
|
||||
}
|
||||
}
|
||||
intervals.len() as i32 - count
|
||||
|
||||
(intervals.len() - count) as i32
|
||||
}
|
||||
}
|
||||
```
|
||||
|
|
|
|||
|
|
@ -21,7 +21,8 @@
|
|||
|
||||
示例:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# 算法公开课
|
||||
|
||||
|
|
|
|||
|
|
@ -42,6 +42,10 @@
|
|||
* points[i].length == 2
|
||||
* -2^31 <= xstart < xend <= 2^31 - 1
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，判断重叠区间问题 | LeetCode：452.用最少数量的箭引爆气球](https://www.bilibili.com/video/BV1SA41167xe)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
如何使用最少的弓箭呢？
|
||||
|
|
@ -74,7 +78,7 @@
|
|||
|
||||
以题目示例： [[10,16],[2,8],[1,6],[7,12]]为例，如图：（方便起见，已经排序）
|
||||
|
||||
|
||||
|
||||
|
||||
可以看出首先第一组重叠气球，一定是需要一个箭，气球3，的左边界大于了 第一组重叠气球的最小右边界，所以再需要一支箭来射气球3了。
|
||||
|
||||
|
|
|
|||
|
|
@ -83,6 +83,9 @@ public:
|
|||
|
||||
```
|
||||
|
||||
* 时间复杂度: O(n^2)
|
||||
* 空间复杂度: O(n^2)，最坏情况下A和B的值各不相同，相加产生的数字个数为 n^2
|
||||
|
||||
|
||||
|
||||
|
||||
|
|
@ -94,26 +97,25 @@ Java：
|
|||
```Java
|
||||
class Solution {
|
||||
public int fourSumCount(int[] nums1, int[] nums2, int[] nums3, int[] nums4) {
|
||||
Map<Integer, Integer> map = new HashMap<>();
|
||||
int temp;
|
||||
int res = 0;
|
||||
Map<Integer, Integer> map = new HashMap<Integer, Integer>();
|
||||
//统计两个数组中的元素之和，同时统计出现的次数，放入map
|
||||
for (int i : nums1) {
|
||||
for (int j : nums2) {
|
||||
temp = i + j;
|
||||
if (map.containsKey(temp)) {
|
||||
map.put(temp, map.get(temp) + 1);
|
||||
int tmp = map.getOrDefault(i + j, 0);
|
||||
if (tmp == 0) {
|
||||
map.put(i + j, 1);
|
||||
} else {
|
||||
map.put(temp, 1);
|
||||
map.replace(i + j, tmp + 1);
|
||||
}
|
||||
}
|
||||
}
|
||||
//统计剩余的两个元素的和，在map中找是否存在相加为0的情况，同时记录次数
|
||||
for (int i : nums3) {
|
||||
for (int j : nums4) {
|
||||
temp = i + j;
|
||||
if (map.containsKey(0 - temp)) {
|
||||
res += map.get(0 - temp);
|
||||
int tmp = map.getOrDefault(0 - i - j, 0);
|
||||
if (tmp != 0) {
|
||||
res += tmp;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
|
|
|||
|
|
@ -4,31 +4,35 @@
|
|||
</a>
|
||||
<p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||||
|
||||
|
||||
# 455.分发饼干
|
||||
|
||||
[力扣题目链接](https://leetcode.cn/problems/assign-cookies/)
|
||||
|
||||
假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。
|
||||
|
||||
对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。
|
||||
对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。
|
||||
|
||||
示例 1:
|
||||
* 输入: g = [1,2,3], s = [1,1]
|
||||
* 输出: 1
|
||||
解释:你有三个孩子和两块小饼干，3个孩子的胃口值分别是：1,2,3。虽然你有两块小饼干，由于他们的尺寸都是1，你只能让胃口值是1的孩子满足。所以你应该输出1。
|
||||
示例 1:
|
||||
|
||||
示例 2:
|
||||
* 输入: g = [1,2], s = [1,2,3]
|
||||
* 输出: 2
|
||||
* 解释:你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。你拥有的饼干数量和尺寸都足以让所有孩子满足。所以你应该输出2.
|
||||
- 输入: g = [1,2,3], s = [1,1]
|
||||
- 输出: 1
|
||||
解释:你有三个孩子和两块小饼干，3 个孩子的胃口值分别是：1,2,3。虽然你有两块小饼干，由于他们的尺寸都是 1，你只能让胃口值是 1 的孩子满足。所以你应该输出 1。
|
||||
|
||||
示例 2:
|
||||
|
||||
- 输入: g = [1,2], s = [1,2,3]
|
||||
- 输出: 2
|
||||
- 解释:你有两个孩子和三块小饼干，2 个孩子的胃口值分别是 1,2。你拥有的饼干数量和尺寸都足以让所有孩子满足。所以你应该输出 2.
|
||||
|
||||
提示：
|
||||
* 1 <= g.length <= 3 * 10^4
|
||||
* 0 <= s.length <= 3 * 10^4
|
||||
* 1 <= g[i], s[j] <= 2^31 - 1
|
||||
|
||||
- 1 <= g.length <= 3 \* 10^4
|
||||
- 0 <= s.length <= 3 \* 10^4
|
||||
- 1 <= g[i], s[j] <= 2^31 - 1
|
||||
|
||||
# 视频讲解
|
||||
|
||||
**《代码随想录》算法视频公开课：[贪心算法，你想先喂哪个小孩？| LeetCode：455.分发饼干](https://www.bilibili.com/video/BV1MM411b7cq)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
|
||||
|
||||
## 思路
|
||||
|
||||
|
|
@ -46,16 +50,12 @@
|
|||
|
||||
|
||||
|
||||
|
||||
这个例子可以看出饼干9只有喂给胃口为7的小孩，这样才是整体最优解，并想不出反例，那么就可以撸代码了。
|
||||
|
||||
这个例子可以看出饼干 9 只有喂给胃口为 7 的小孩，这样才是整体最优解，并想不出反例，那么就可以撸代码了。
|
||||
|
||||
C++代码整体如下：
|
||||
|
||||
```CPP
|
||||
// 版本一
|
||||
// 时间复杂度：O(nlogn)
|
||||
// 空间复杂度：O(1)
|
||||
// 版本一
|
||||
class Solution {
|
||||
public:
|
||||
int findContentChildren(vector<int>& g, vector<int>& s) {
|
||||
|
|
@ -63,8 +63,8 @@ public:
|
|||
sort(s.begin(), s.end());
|
||||
int index = s.size() - 1; // 饼干数组的下标
|
||||
int result = 0;
|
||||
for (int i = g.size() - 1; i >= 0; i--) { // 遍历胃口
|
||||
if (index >= 0 && s[index] >= g[i]) { // 遍历饼干
|
||||
for (int i = g.size() - 1; i >= 0; i--) { // 遍历胃口
|
||||
if (index >= 0 && s[index] >= g[i]) { // 遍历饼干
|
||||
result++;
|
||||
index--;
|
||||
}
|
||||
|
|
@ -73,28 +73,29 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
|
||||
从代码中可以看出我用了一个index来控制饼干数组的遍历，遍历饼干并没有再起一个for循环，而是采用自减的方式，这也是常用的技巧。
|
||||
|
||||
有的同学看到要遍历两个数组，就想到用两个for循环，那样逻辑其实就复杂了。
|
||||
* 时间复杂度：O(nlogn)
|
||||
* 空间复杂度：O(1)
|
||||
|
||||
|
||||
### 注意事项
|
||||
从代码中可以看出我用了一个 index 来控制饼干数组的遍历，遍历饼干并没有再起一个 for 循环，而是采用自减的方式，这也是常用的技巧。
|
||||
|
||||
注意版本一的代码中，可以看出来，是先遍历的胃口，在遍历的饼干，那么可不可以 先遍历 饼干，在遍历胃口呢？
|
||||
有的同学看到要遍历两个数组，就想到用两个 for 循环，那样逻辑其实就复杂了。
|
||||
|
||||
其实是不可以的。
|
||||
### 注意事项
|
||||
|
||||
外面的for 是里的下标i 是固定移动的，而if里面的下标 index 是符合条件才移动的。
|
||||
注意版本一的代码中，可以看出来，是先遍历的胃口，在遍历的饼干，那么可不可以 先遍历 饼干，在遍历胃口呢？
|
||||
|
||||
如果 for 控制的是饼干， if 控制胃口，就是出现如下情况 ：
|
||||
其实是不可以的。
|
||||
|
||||
外面的 for 是里的下标 i 是固定移动的，而 if 里面的下标 index 是符合条件才移动的。
|
||||
|
||||
如果 for 控制的是饼干， if 控制胃口，就是出现如下情况 ：
|
||||
|
||||
|
||||
|
||||
if 里的 index 指向 胃口 10， for里的i指向饼干9，因为 饼干9 满足不了 胃口10，所以 i 持续向前移动，而index 走不到` s[index] >= g[i]` 的逻辑，所以index不会移动，那么当i 持续向前移动，最后所有的饼干都匹配不上。
|
||||
|
||||
所以 一定要for 控制 胃口，里面的if控制饼干。
|
||||
if 里的 index 指向 胃口 10， for 里的 i 指向饼干 9，因为 饼干 9 满足不了 胃口 10，所以 i 持续向前移动，而 index 走不到` s[index] >= g[i]` 的逻辑，所以 index 不会移动，那么当 i 持续向前移动，最后所有的饼干都匹配不上。
|
||||
|
||||
所以 一定要 for 控制 胃口，里面的 if 控制饼干。
|
||||
|
||||
### 其他思路
|
||||
|
||||
|
|
@ -117,11 +118,14 @@ public:
|
|||
return index;
|
||||
}
|
||||
};
|
||||
```
|
||||
```
|
||||
* 时间复杂度：O(nlogn)
|
||||
* 空间复杂度：O(1)
|
||||
|
||||
细心的录友可以发现，这种写法，两个循环的顺序改变了，先遍历的饼干，在遍历的胃口，这是因为遍历顺序变了，我们是从小到大遍历。
|
||||
|
||||
理由在上面 “注意事项”中 已经讲过。
|
||||
细心的录友可以发现，这种写法，两个循环的顺序改变了，先遍历的饼干，在遍历的胃口，这是因为遍历顺序变了，我们是从小到大遍历。
|
||||
|
||||
理由在上面 “注意事项”中 已经讲过。
|
||||
|
||||
## 总结
|
||||
|
||||
|
|
@ -131,8 +135,8 @@ public:
|
|||
|
||||
## 其他语言版本
|
||||
|
||||
|
||||
### Java
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
// 思路1：优先考虑饼干，小饼干先喂饱小胃口
|
||||
|
|
@ -151,6 +155,7 @@ class Solution {
|
|||
}
|
||||
}
|
||||
```
|
||||
|
||||
```java
|
||||
class Solution {
|
||||
// 思路2：优先考虑胃口，先喂饱大胃口
|
||||
|
|
@ -172,6 +177,7 @@ class Solution {
|
|||
```
|
||||
|
||||
### Python
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
# 思路1：优先考虑小胃口
|
||||
|
|
@ -184,6 +190,7 @@ class Solution:
|
|||
res += 1
|
||||
return res
|
||||
```
|
||||
|
||||
```python
|
||||
class Solution:
|
||||
# 思路2：优先考虑大胃口
|
||||
|
|
@ -199,6 +206,7 @@ class Solution:
|
|||
```
|
||||
|
||||
### Go
|
||||
|
||||
```golang
|
||||
//排序后，局部最优
|
||||
func findContentChildren(g []int, s []int) int {
|
||||
|
|
@ -218,41 +226,40 @@ func findContentChildren(g []int, s []int) int {
|
|||
```
|
||||
|
||||
### Rust
|
||||
|
||||
```rust
|
||||
pub fn find_content_children(children: Vec<i32>, cookie: Vec<i32>) -> i32 {
|
||||
let mut children = children;
|
||||
let mut cookies = cookie;
|
||||
pub fn find_content_children(mut children: Vec<i32>, mut cookie: Vec<i32>) -> i32 {
|
||||
children.sort();
|
||||
cookies.sort();
|
||||
|
||||
let (mut child, mut cookie) = (0usize, 0usize);
|
||||
let (mut child, mut cookie) = (0, 0);
|
||||
while child < children.len() && cookie < cookies.len() {
|
||||
// 优先选择最小饼干喂饱孩子
|
||||
if children[child] <= cookies[cookie] {
|
||||
child += 1;
|
||||
}
|
||||
cookie += 1
|
||||
cookie += 1;
|
||||
}
|
||||
child as i32
|
||||
}
|
||||
```
|
||||
|
||||
### Javascript
|
||||
```js
|
||||
var findContentChildren = function(g, s) {
|
||||
g = g.sort((a, b) => a - b)
|
||||
s = s.sort((a, b) => a - b)
|
||||
let result = 0
|
||||
let index = s.length - 1
|
||||
for(let i = g.length - 1; i >= 0; i--) {
|
||||
if(index >= 0 && s[index] >= g[i]) {
|
||||
result++
|
||||
index--
|
||||
}
|
||||
}
|
||||
return result
|
||||
};
|
||||
|
||||
```js
|
||||
var findContentChildren = function (g, s) {
|
||||
g = g.sort((a, b) => a - b);
|
||||
s = s.sort((a, b) => a - b);
|
||||
let result = 0;
|
||||
let index = s.length - 1;
|
||||
for (let i = g.length - 1; i >= 0; i--) {
|
||||
if (index >= 0 && s[index] >= g[i]) {
|
||||
result++;
|
||||
index--;
|
||||
}
|
||||
}
|
||||
return result;
|
||||
};
|
||||
```
|
||||
|
||||
### TypeScript
|
||||
|
|
@ -260,41 +267,41 @@ var findContentChildren = function(g, s) {
|
|||
```typescript
|
||||
// 大饼干尽量喂胃口大的
|
||||
function findContentChildren(g: number[], s: number[]): number {
|
||||
g.sort((a, b) => a - b);
|
||||
s.sort((a, b) => a - b);
|
||||
const childLength: number = g.length,
|
||||
cookieLength: number = s.length;
|
||||
let curChild: number = childLength - 1,
|
||||
curCookie: number = cookieLength - 1;
|
||||
let resCount: number = 0;
|
||||
while (curChild >= 0 && curCookie >= 0) {
|
||||
if (g[curChild] <= s[curCookie]) {
|
||||
curCookie--;
|
||||
resCount++;
|
||||
}
|
||||
curChild--;
|
||||
g.sort((a, b) => a - b);
|
||||
s.sort((a, b) => a - b);
|
||||
const childLength: number = g.length,
|
||||
cookieLength: number = s.length;
|
||||
let curChild: number = childLength - 1,
|
||||
curCookie: number = cookieLength - 1;
|
||||
let resCount: number = 0;
|
||||
while (curChild >= 0 && curCookie >= 0) {
|
||||
if (g[curChild] <= s[curCookie]) {
|
||||
curCookie--;
|
||||
resCount++;
|
||||
}
|
||||
return resCount;
|
||||
};
|
||||
curChild--;
|
||||
}
|
||||
return resCount;
|
||||
}
|
||||
```
|
||||
|
||||
```typescript
|
||||
// 小饼干先喂饱小胃口的
|
||||
function findContentChildren(g: number[], s: number[]): number {
|
||||
g.sort((a, b) => a - b);
|
||||
s.sort((a, b) => a - b);
|
||||
const childLength: number = g.length,
|
||||
cookieLength: number = s.length;
|
||||
let curChild: number = 0,
|
||||
curCookie: number = 0;
|
||||
while (curChild < childLength && curCookie < cookieLength) {
|
||||
if (g[curChild] <= s[curCookie]) {
|
||||
curChild++;
|
||||
}
|
||||
curCookie++;
|
||||
g.sort((a, b) => a - b);
|
||||
s.sort((a, b) => a - b);
|
||||
const childLength: number = g.length,
|
||||
cookieLength: number = s.length;
|
||||
let curChild: number = 0,
|
||||
curCookie: number = 0;
|
||||
while (curChild < childLength && curCookie < cookieLength) {
|
||||
if (g[curChild] <= s[curCookie]) {
|
||||
curChild++;
|
||||
}
|
||||
return curChild;
|
||||
};
|
||||
curCookie++;
|
||||
}
|
||||
return curChild;
|
||||
}
|
||||
```
|
||||
|
||||
### C
|
||||
|
|
|
|||
|
|
@ -73,6 +73,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(1)
|
||||
|
||||
不过这种解法还有一个问题，就是 我们最终还是要判断 一个字符串（s + s）是否出现过 s 的过程，大家可能直接用contains，find 之类的库函数。 却忽略了实现这些函数的时间复杂度（暴力解法是m * n，一般库函数实现为 O(m + n)）。
|
||||
|
||||
|
|
@ -185,6 +187,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
前缀表（不减一）的C++代码实现：
|
||||
|
|
@ -219,6 +223,8 @@ public:
|
|||
}
|
||||
};
|
||||
```
|
||||
* 时间复杂度: O(n)
|
||||
* 空间复杂度: O(n)
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
|
|
|||
Some files were not shown because too many files have changed in this diff Show More
Loading…
Reference in New Issue